midiendo la convergencia en la ciencia y la ingenierÍa

Colección de Educación Superior

Academias Nacionales deCiencias • Ingeniería • Medicina

Traducción y presentación a la edición en español: Julio Ceitlin y Bianca Vienni Baptista

MIDIENDO LA CONVERGENCIA EN LA CIENCIA

Y LA INGENIERÍAActas de un workshop

Midiendo la Convergencia en la Ciencia y la Ingeniería Actas de un workshop

MIDIENDO LA CONVERGENCIA EN LA CIENCIA

Y LA INGENIERÍAActas de un workshop

Academias Nacionales de

Ciencias • Ingeniería • Medicina

Traducción y presentación a la edición en español: Julio Ceitlin y Bianca Vienni Baptista


Measuring Convergencein Science and Engineering

Proceedings of a workshopVersión en español. Octubre 22-23, 2020.

Informe del Taller

Shadya Sanders, relatora

Comité de Estadísticas Nacionales División de Ciencias Sociales,

del Comportamiento y Educación

Academias Nacionales deCIENCIAS • INGENIERÍA • MEDICINA

OFICINA DE PRENSA DE LAS ACADEMIAS NACIONALESWashington, DCwww.nap.edu

Diseño general: Departamento de Diseño de la Universidad de PalermoEditado por: Universidad de Palermo, año 2021, Buenos Aires, ArgentinaTítulo original: Measuring Convergence in Science and Engineering. Proceedings of a workshopAutor: The National Academies of Sciences, Engineering and MedicineTraductores: Julio Ceitlin y Bianca Vienni BaptistaCopyright de la traducción al español: © 2021 Fundación Universidad de PalermoCopyright © 2021 by the National Academy of Sciences. All rights reserved. Oficina de prensa de las Academias Nacionales 500 fifth street NW Washington DC 20001

Esta actividad fue apoyada por un contrato entre la Academia Nacional de Ciencias y la Fundación Nacional de Ciencia (Subvención #1822391). Cualquier opinión, hallazgo, conclusión o recomendación expresada en esta publicación no refleja necesariamente los puntos de vista de las organizaciones o agencias que proveyeron su aporte al proyecto.

International Standard Book Number – 13: 978-0-309-22183-2 International Standard Book Number-10: 0-309-22183-8 Digital Object Identifier: http://doi.org//10.17226//26040

Copias de la publicación original en inglés pueden solicitarse a National Academies Press, 500 fifth street NW, Keck 360, Washington Dc 20001 (800) 624-642 or (202) 334-3313. www.nap.edu

Washington, DC: The National Academies Press. https/doi.org. /10.17226/26040

ISBN: 978-950-9887-58-9

Diciembre de 2021

Hecho el depósito que marca la ley 11.723

Universidad de Palermo Rector y Director de la Colección: Ing. Ricardo H. Popovsky

Mario Bravo 1050 (C1175ABT). Ciudad Autónoma de Buenos Aires, República Argentina.

Academia de conocimientos interdisciplinarios Presidente: Julio Ceitlin

Todos los derechos reservados. Esta publicación no puede ser reproducida ni en su todo ni en sus partes, ni registrada en o transmitida por un sistema de recuperación de información, en ninguna forma ni por ningún medio, sea mecánico, fotoquímico, electrónico, magnético, electroóptico, por fotocopia o cualquier otro, sin el permiso previo por escrito de la editorial.

The National Academies of Sciences, Engineering and Medicine Midiendo la Convergencia en la Ciencia y la Ingeniería : actas de un workshop ; Editado por Shadya Sanders. - 1a ed - Ciudad Autónoma de Buenos Aires : Universidad de Palermo - UP, 2021. Libro digital, PDF - (Educación Superior / Escotet, Miguel Angel ) Archivo Digital: descarga y online Traducción de: Julio Ceitlin ; Bianca Vienni Baptista. ISBN 978-950-9887-58-9 1. Universidades. 2. Estudios. I. Sanders, Shadya, ed. II. Ceitlin, Julio, trad. III. Vienni Baptista, Bianca, trad. CDD 378

VII


1. Educación superior comparada Philip Altbach [Dir. del Centro para la Educación Superior Internacional

de Boston (Ma.)]

2. La creación del futuro Frank Rhodes [ex Presidente, Universidad de Cornell]

3. La Universidad Henry Rosovsky [ex Decano de la Facultad de Artes y Ciencia de Harvard]

4. La libertad Académica Conrad Russell [Profesor del King´s College, Universidad Londres]

5. Una universidad para el siglo XXI (2 tomos) James J. Duderstadt [ex Presidente, Universidad de Michigan]

6. Historia mundial de la educación (8 tomos) Gaston Mialaret y Jean Vial

VIII

Midiendo la Convergencia en la Ciencia y la Ingeniería

7. Más allá de la Torre de Marfil Derek Bok [ex Presidente de la Universidad de Harvard]

8. La educación superior norteamericana (2 tomos) Christopher J. Lucas [Profesor de la Universidad de Arkansas]

9. La actividad científica en la universidad Miguel Á. Escotet, Martín Aiello y Victoria Sheepshanks [Universidad de

Palermo]

10. De la educación popular Domingo Faustino Sarmiento [ex Presidente de la República Argentina]

11. Entre la tradición y el cambio D. Atairo, P. Baccaro, A. Camou, C. Marquis, C. Nosiglia, C. Pérez

Rasetti, R. Popovsky, E. Rinesi, E. Sánchez Martínez y E. Villanueva. R. San Martín (Editora)

12. Conocimiento y dinero Roger Geiger [Profesor, Pennsylvania State University]

13. Cambio sustentable en la universidad Burton Clark [Profesor de la Universidad de California, Los Ángeles]

14. Historia de la Universidad de París y de la Sorbona (4 tomos) André Tuilier [Director honorario de la biblioteca de la Sorbona]

15. Admisiones universitarias en el siglo XXI Robert J. Sternberg [ex Presidente de la American Psychological Association]

16. Una historia de la Educación Superior Estadounidense John R. Thelin [Profesor de la Universidad de Kentucky]

17. Priorizando programas y servicios académicos Robert C. Dickenson [Presidente emérito, University of Northen Colorado]

18. Desarrollo económico, educación y corporaciones transnacionales Mark Hanson, G. Foglia, V. Weissmann y M. Quiñones [Universidad de

Palermo]

19. En busca de la frontera sin fin Charles M. Vest [ex Presidente del MIT, Massachusetts Institute of Technology]

20. La Educación Superior en Estados Unidos en el siglo XXI Philip Altbach, Patricia J. Gumport & Robert O. Berdhal

IX


21. El surgimiento de las universidades Charles Homer Haskins [Profesor de la Universidad de Harvard]

22. Financiamiento de la universidad A. García de Fanelli, A. Broto, J. C. Del Bello, M. Popovsky, M. Rabossi,

D. Santori & R. San Martín (Editora)

23. Poderes de la mente Donald N. Levine [ex Decano, Universidad de Chicago]

24. La elaboración del plan de estudios de la Universidad Joan S. Stack y Lisa R. Lattuca

25. Evaluación y acreditación universitaria D. Atairo, P. Baccaro, A. Corengia, M. Marquina, C. Marquis, L.

Martínez Porta, J. C. Pugliese, A. R. Toscano, L. Trotta y M. Unzué. R. San Martín (Editora)

26. Liderazgo para universidades de clase mundial Philip Altbach [Dir. del Centro para la Educación Superior Internacional

Boston College]

27. América Latina y su nueva economía del conocimiento Jorge Balán (Editor) [Senior Research Scholar, Universidad de Colombia]

28. El talento abunda Robert F. Arnove [Profesor emérito, Indiana University – Bloomington]

29. Sociología de la Educación Superior Patricia J. Gumport (Editora) [Vice Provost for Graduate Education,

Stanford University]

30. La agenda universitaria II J. C. Del Bello, A. García de Fanelli, C. E. Peón, R. H. Popovsky, J.

C. Pugliese, E. Sánchez Martínez, A. Stubrin, E. F. Villanueva & C. Marquis (Editor)

31. Nuevas dinámicas de la regionalización de la educación universitaria en América Latina

Claudio Rama [ex Director IESALC / UNESCO]

32. Cincuenta grandes pensadores de la educación Joy A. Palmer (Editora) [Profesora de Educación de la Universidad de

Durham]

X


33. Cincuenta pensadores modernos de la educación Joy A. Palmer (Editora) [Profesora de Educación de la Universidad de

Durham]

34. La agenda universitaria III Eduardo Sánchez Martínez, Silvia Bernatené, Ricardo Popovsky, Adolfo

Stubrin, Ana García de Fanelli, Martín Aiello & C. Marquis (Editor)

35. Completando la universidad Vincent Tinto [Profesor, Escuela de Educación, Universidad de Syracuse]

36. Reinventando la educación superior Ben Wildavsky, Andrew P. Kelly & Kevin Carey (Editores)

37. ¿Qué hacen los mejores profesores de derecho? Michael Hunter Schwartz, Gerry F. Hess & Sophie M. Sparrow

38. Las industrias del futuro Alec Ross [Asesor Principal en Innovación de la Secretaría de Estado, EEUU]

39. La agenda universitaria IV Eduardo Sánchez Martínez, Ana García de Fanelli, Ricardo Popovsky,

Juan Doberti, Carlos Pérez Rasetti, Martín Aiello & C. Marquis (Editor)

40. El arte de la investigación Wayne C. Booth, Gregory G. Colomb, Joseph M. Williams, Joseph Bizup

& William T. FitzGerald

41. Convergencia Consejo Nacional de Investigación de las Academias Nacionales de los

Estados Unidos

42. La agenda universitaria V Juan Doberti, Ana García Fanelli, Laura Martínez Porta, Eduardo

Sánchez Martínez, Danya Tavela & C. Marquis (Editor)

43. La Agenda Universitaria VI Juan Doberti, Ana García Fanelli, Carlos Marquis, Eduardo Sánchez

Martínez, Carlos Pérez Rasetti, Adolfo Stubrin & Danya Tavela 43. Midiendo la Convergencia en la Ciencia y la Ingeniería

Academias Nacionales de Ciencias, Ingeniería & Medicina

XII


ACADEMIAS NACIONALES DECIENCIAS • INGENIERÍA • MEDICINA

La Academia Nacional de Ciencias fue establecida en 1863 por una resolución del congreso firmada por el presidente Lincoln, como una institución privada, no gubernamental, para asesorar a la nación sobre los problemas relacionados con la Ciencia y la Tec-nología. Los miembros son seleccionados por sus pares en base a las contribuciones sobresalientes en la investigación. La Dra. Marcia McNutt es presidente.

La Academia Nacional de Ingeniería fue establecida en 1964 bajo la iniciativa de la Academia Nacional de Ciencias para traer la prácti-ca de la Ingeniería con el objeto de asesorar a la nación. Los miem-bros son elegidos por sus pares en base a sus contribuciones extraor-dinarias a la ingeniería. El presidente es el Dr. Jhon L Anderson.

La Academia Nacional de Medicina (anteriormente Instituto de Medicina) fue establecida en 1970 bajo la iniciativa de la Academia Nacional de Ciencias con el objeto de asesorar a la nación sobre pro-blemas médicos y de salud. Sus miembros son electos por sus pares en base a las contribuciones distinguidas en medicina y salud. El Dr. Víctor J Dzau es su presidente.

Las tres Academias trabajan conjuntamente como las Academias de Ciencias Ingeniería y Medicina para proveer análisis independien-tes y objetivos y asesoría a la nación y para conducir otras actividades que permitan resolver problemas complejos e informar al público las decisiones políticas. Las Academias Nacionales también estimulan la educación y la investigación, reconocen las contribuciones sobresa-lientes al conocimiento e incrementan la comprensión pública en materia de Ciencia, Ingeniería y Medicina.

Conocer más sobre las Academias Nacionales de Ciencia, Ingeniería y Medicina en www.nationalacademies.org

XIII

Prefacio

Informes de estudios consensuados publicados por la Academia Nacional de Ciencia Ingeniería y Medicina documentan los consen-sos basados en la evidencia sobre conclusiones de estudios del com-portamiento por un autorizado comité de expertos. Los informes incluyen generalmente conclusiones, hallazgos y recomendaciones basados en la información recogida por el comité y las deliberacio-nes del comité. Cada informe ha sido sujeto a un proceso riguroso e independiente de revisión por pares y representan la posición de las Academias Nacionales sobre el tema de la tarea.

Los informes publicados por las Academias Nacionales de Cien-cias Ingeniería y Medicina publican las presentaciones y discusiones realizados en un taller, simposio u otro evento convocado por las Aca-demias Nacionales. Las ponencias y opiniones contenidas en las trans-cripciones son las de los participantes y no están endosadas por otros participantes ni por el comité planificador o las Academias Nacionales.

Para información sobre otros productos y actividades de las Academias Nacionales por favor visite: www.nationalacademies.org/about/whatwedo

XIV


COMITÉ DIRECTIVO DEL TALLER SOBRE IMPLICACIONES DE LA CONVERGENCIA EN LA FORMA QUE EL NCSES (NATIONAL CENTER FOR SCIENCE AND ENGINEERING STATISTICS) MIDE LA FUERZA DE TRABAJO DE LA CIENCIA Y LA INGENIERÍA

BARBARA ENTWISTLE (Chair), Department of Sociology, University of North Carolina at Chapel Hill

KARA HALL, National Cancer Institute, National Institutes of Health

JAMES BRITT HOLBROOK, Department of Humanities, New Jersey Institute of Technology

PRAMOD P. KHARGONEKAR, School of Engineering, University of California, Irvine

JULIE THOMPSON KLEIN, English Department, Wayne State University (emerita) and Transdisciplinarity Lab, ETH Zurich

JASON OWEN – SMITH, Institute for Social Research, University of Michigan

JOLENE SMYTH, Department of Sociology, University of Nebraska

KRISZTINA MARTON, Study Director

ELLIS GRIMES, Senior Program Assistant

TINA LATIMER, Senior Program Assistant

BRIAN A. HARRIS-KOJETIN, Director, Committee on National Statistics

XV

COMITE DE ESTADISTICAS NACIONALES

ROBERT M. GROVES (Chair), Office of the Provost, Georgetown University

ANNE C. CASE, Woodrow Wilson School of Public and International Affairs, Princeton University

MICK P. COUPER, Institute for Social Research, University of Michigan

JANET M. CURRIE, Woordrow Wilson School of Public and International Affairs, Princeton University

DUABA FARREKK, JPMorgan Chase Institute, Washington DC

ROBERT GOERGE, Chapin Hall at the University of Chicago

ERICA L. GROSHEN, ILR School, Cornell University

HILARY HOYNES, Goldman School of Public Policy, University of California, Berkeley

DANIEL KIFER, Pennsylvania State University

SHARON LOHR, School of Mathematical and Statistical Sciences, Arizona State University, emerita

JEROME P. REUTEZER, Duke University

JUDITH A. SELTZER, University of California, Los Angeles

C. MATTHEW SNIPP, School of the Humanities and Sciences Stanford University

ELIZABETH A. STUART, Johns Hopkins Bloomberg School of Public Health

JEANETTE WING, Data Science Institute, Columbia University

BRIAN A. HARRIS-KOJETIN, Director

CONSTANCE F. CITRO, Senior Scholar

Colección Educación Superior • VII

Presentación • 1

Reconocimientos • 8

1. Introducción • 10

2. Preparando el escenario: ¿Por qué es importante

la convergencia? • 17

3. Visión general del Centro Nacional de Estadísticas de

Ciencias e Ingeniería Colecciones de datos, productos de

datos y trabajo anterior en esta área • 24

4. Conceptualizando la convergencia • 34

5. Convergencia en la práctica • 42

6. Resultados e impactos de la convergencia • 55

7. Esfuerzos de medición • 64

8. Viabilidad e implementación • 84

9. Resumen de temas y pensamientos clave para hacer avanzar

el trabajo • 96

Apéndice A • 110

Apéndice B • 114

Contenido

1

Presentación

En el año 2019, dada la relevancia de las discusiones sobre inter-disciplina y transdisciplina en diferentes ámbitos educativos nacio-nales e internacionales, nos vimos abocados a la tarea de traducir al español el volumen “Convergence: Facilitating Transdisciplinary Inte-gration of Life Sciences, Physical Sciences, Engineering, and Beyond”. El informe daba cuenta del avance de la convergencia como un concep-to clave para las instituciones y para los investigadores dedicados al abordaje de problemas complejos y multidimensionales.

En los tiempos actuales, de pandemia e incertidumbre, el enfo-que de la convergencia se ha revalorizado y se torna un imperativo de las universidades, de los organismos y de quienes formamos parte del ámbito de la educación superior. Las prácticas de investigación convergentes han sido en los últimos tiempos un espacio donde in-tegrar cuerpos de conocimiento diferentes y heterogéneos que den cuenta de soluciones y/o abordajes multidimensionales que hagan frente a escenarios altamente inciertos y cambiantes.

2


No es casual entonces que como coordinadores del primer volu-men, hayamos encontrado la motivación necesaria para traducir un segundo informe que se preparó en el año 2020 titulado “Measuring Convergence in Science and Engineering”. Se trata de un volumen que resume los aportes de un distinguido grupo de investigadores que han trabajado en las últimas décadas en la promoción y consoli-dación de espacios para el trabajo colaborativo como forma de con-trarrestar los embates del mundo actual. Fue editado por la Acade-mia Nacional de Ciencias, Ingeniería y Medicina de Estados Unidos (en inglés, National Academies of Sciences, Engineering, and Medicine), organismo que usará estas reflexiones finales en sus programas de promoción y apoyo a la convergencia. Los investigadores que partici-paron del seminario que da origen al informe, presentan diferentes perspectivas en función de estudios actuales que justifican la urgen-te necesidad de aplicar los enfoques convergentes como forma de superar los obstáculos que se presentan en las gestiones del conoci-miento que abogan por una fragmentación de esfuerzos.

La relevancia de este informe para el contexto latinoamericano reside en la revalorización de los enfoques convergentes que en nu-estra región se relacionan con la investigación y enseñanza colabora-tivas, interdisciplinarias y transdisciplinarias, que también se vienen desarrollando fuertemente en varias universidades latinoamerica-nas. Bajo la premisa de unir esfuerzos teóricos y prácticos compati-bles y complementarios, los coordinadores de este trabajo se reúnen para brindar la traducción al español de este segundo informe con el objetivo de contribuir con la discusión en torno a cómo es y cómo pueden la interdisciplina y la transdisciplina aportar a la democra-tización del conocimiento en tiempos de pandemia. La convergen-cia, en este caso, aúna esas prácticas bajo la premisa de que para sortear los problemas multidimensionales se requiere de soluciones que también “multidimensionalicen” los actores, prácticas, valores y aprendizajes que de ellas surgen.

Presentación

3

La relevancia de la convergencia en América Latina

Vale un breve relevamiento para confirmar que el desarrollo de las temáticas y reflexiones en torno al trabajo colaborativo es variado en nuestro continente. Nos referimos a las prácticas que usualmen-te se dan en llamar convergentes pero también interdisciplinarias, transdisciplinarias y otras. ¿Con qué objetivo sustancial se persigue una práctica científica más interdisciplinaria: (i) para construir nue-vos tipos de conocimiento, (ii) una sociedad más democrática o (iii) alternativas más integrales a las demandas sociales? Creemos que para las tres opciones simultáneamente; así lo demuestran las ex-periencias que se han desarrollado en nuestro país y en América Latina. Esto ha provocado que se inicie, en los últimos años, una expansión de programas que apuestan a la convergencia de enfo-ques junto con una reflexión que integra el contexto de producción del conocimiento interdisciplinario con las características propias de nuestros países. Esfuerzo que aún es incipiente y que demanda de un mayor apoyo institucional.

Trabajar bajo un ámbito común es un paso inicial hacia la com-prensión de temas relacionados con el objetivo de promover una práctica más colaborativa y convergente en las Américas. Tenemos que contrarrestar el argumento de que la comunicación entre los que representan diferentes disciplinas y actúan en diferentes países es imposible debido a su complejidad. La variedad actual de defi-niciones y conceptualizaciones influye en las acciones concretas en los contextos nacionales. Sin embargo, la comunicación es posible, y la reflexión sobre la práctica es un proceso sustantivo para el posi-cionamiento interdisciplinario, aprovechando los diversos contextos culturales locales como sustento para la construcción de diálogos internacionales e intercontinentales.

Desde nuestra perspectiva, y como lo expresamos en 2019, esas prácticas y nuevas formas de pensamiento bien pueden orientar a la resolución de los problemas del desarrollo en el marco de los paí-ses de América Latina. Lo que justifica que consideremos que la in-terdisciplina no es una moda ni es un nuevo abordaje para viejos

4


problemas. Sino se trata de una práctica política y como forma de democratización de la ciencia, es una alternative para pensar nuevas formas de hacer ciencia y tecnología. Este “tercer espacio” abre un ámbito para el diálogo entre diferentes. Y allí reside un elemento sustancial de la práctica convergente: el trabajo con las diferencias, con el diferente, para construir desde las diferencias.

Cuando pensamos la interdisciplina como potencial espacio para la democratización de la ciencia, la entendemos como un espacio para abordar y entender nuestras diferencias, aquellas epistemoló-gicas, políticas y sociales, pero también culturales. En ese esfuerzo, volvimos a confirmar que el problema sigue siendo cómo institucio-nalizar estos procesos policéntricos, interactivos y multipartitos de creación de conocimiento dentro de instituciones que han trabajado durante décadas para mantener el conocimiento experto alejado de algunos actores sociales y de la política.

La ciencia y la tecnología son indispensables para la expresión y el ejercicio del poder pues operan, en definitiva, como agentes políticos. Así entendida la ciencia y su acción, se relaciona con lo que llamamos como una práctica interdisciplinaria política, donde el objetivo cen-tral de estos encuentros entre campos del saber y actores es entender más cabalmente la realidad social y las formas para transformarla.

Esta diversidad de prácticas y programas interdisciplinarios al cual hicimos mención anteriormente en el contexto latinoamerica-no - que conlleva diferencias muy marcadas pero fecundas para el trabajo colaborativo - también ha confirmado, que los problemas que afrontamos en el fomento de lo interdisciplinario son compar-tidos en varias latitudes. Así las universidades presentan una serie de problemas culturales, educacionales, sociales, políticos y morales que de una u otra forma demuestran las limitaciones de la ciencia moderna, la tecnología, la investigación y la educación respecto de la posibilidad de ser valiosas para las personas.

En este sentido, la interdisciplina plantea no sólo un desafío cog-nitivo o epistémico para los investigadores, que son tradicionalmen-te formados en el marco de disciplinas específicas, sino también im-plican un desafío organizacional para las instituciones en las que las actividades interdisciplinarias tienen lugar.

Presentación

5

Desde nuestra perspectiva, reflexionar sobre y socializar las lec-ciones aprendidas en los procesos colaborativos y convergentes y en su institucionalización es la clave para que se legitimen en diferentes ámbitos. Esto podría ayudar a completar un necesario panorama re-gional que permita identificar con más detalle estrategias fallidas y otras exitosas y evitar “reinventar la rueda” en cada nuevo intento. La interdisciplina como apuesta supone un compromiso ético como toda actividad científica, pero frente a la alta demanda de recursos y tiempo que exige, nos interpela como práctica democrática.

Ante las preguntas del comienzo reiteramos la propuesta: pense-mos en la interdisciplina como una práctica política que abre nuevos espacios de (co)producción de conocimiento desde las diferencias.

El volumen

El conjunto de capítulos que reúne este volumen reconocen que la investigación, para ser exitosa requiere de prácticas que integren marcos conceptuales e instrumentos metodológicos diversos y mu-chas veces también disímiles. Es necesario un proceso institucional específico que apoye y desarrolle la investigación convergente para posibilitar esos encuentros entre investigadores y actores sociales que comparten visiones, aspiraciones y proyectan potenciales solu-ciones a las problemáticas sociales actuales. Como lo mencionamos en el volumen anterior y lo resaltamos ahora, ello implica un esfuer-zo proactivo y una decisión política de la academia, esfuerzo visible actualmente en varias instituciones latinoamericanas. Ello requiere generar formas específicas de evaluación, una comunidad y cultura específicas que promuevan este tipo de investigación. La colabora-ción no se produce sin apoyos firmes y estables en el tiempo, donde converjan diferentes voces de actores sociales que no siempre están implicados en el proceso de investigación.

6


Resumen biográfico

Julio Ceitlin es médico graduado en la Universidad de Buenos Ai-res en 1954, donde obtuvo también el Doctorado mediante presenta-ción de Tesis. Cursó más tarde la Diplomatura en Salud Pública, en la Escuela de Salud Pública de la misma Universidad. Desempeñó el cargo de Secretario Técnico en la Facultad de Medicina durante el Decanato del Prof. Luis Munist dedicándose a partir de allí a la edu-cación médica; fundó la Asociación Argentina de Facultades de Me-dicina de la cual fue secretario durante varios años. Fue contratado por FEPAFEM (Federación Panamericana de Asociaciones de Facul-tades de Medicina) donde dirigió varios programas internacionales de educación médica. Esta tarea lo llevó a valorar muy especialmente la organización de los sistemas de salud para los cuales trabajan los médicos que forman las escuelas de medicina. En la década de los 80 lideró el proceso de desarrollo de la medicina familiar en América Latina. Sus trabajos fueron publicados en prestigiosas revistas como Atención Primaria, de España; Family Medicine, de Estados Unidos; Tribuna Docente, de España; y Canadian Family Physician. Es autor de varios libros, y de capítulos de libros de otros autores. ES Miembro de la Academia Nacional de Medicina de Colombia; Miembro Ho-norario de la American Academy of Family Physicians y del College of Family Physicians of Canada y de la Academia de Conocimientos Interdisciplinarios de Argentina. Recibió premios y distinciones en Estados Unidos, Canadá, Panamá, Venezuela, Bolivia y Argentina.

La publicación del libro “La Academia de Conocimientos Interdis-ciplinarios” Pasado, Presente y Futuro, lo llevó a enrolarse en los con-ceptos de inter- y transdisciplinariedad adhiriendo con entusiasmo al siguiente aserto: “La dignidad humana es una dimensión tanto plane-taria como cósmica. La aparición del ser humano en la Tierra es uno de los estadios en la historia del Universo. El reconocimiento de la Tie-rra como nuestro hogar es un imperativo de la transdisciplinariedad. Cada ser humano tiene derecho a una nacionalidad, pero como habi-tante de la Tierra es también un ser trasnacional. El reconocimiento por la ley internacional de esta doble pertenencia, a una Nación y a la Tierra, es una de las metas de la comunidad transdisciplinaria.”

Presentación

7

Bianca Vienni Baptista es licenciada en Ciencias Antropológicas (Facultad de Humanidades y Ciencias de la Educación, Universidad de la República). Obtuvo su título de Máster y Doctorado en Gestión y Conservación del Patrimonio por la Universidad de Granada (Es-paña). Actualmente es investigadora y docente del Transdisciplinari-ty Lab (TdLab), del Swiss Federal Institute of Technology (ETH) en Zürich (Suiza). Hasta el año 2017, fue profesora adjunta con régimen de dedicación total de la Unidad Académica del Espacio Interdisci-plinario de la Universidad de la República (Uruguay). Entre los años 2016 y 2018, realizó un posdoctorado en el Centro de Métodos de la Universidad de Leuphana (Luneburgo, Alemania).

Como investigadora, trabaja en el campo de los estudios sobre Ciencia, Tecnología y Sociedad, centrándose en particular en la in-vestigación de los procesos de producción de conocimiento inter-disciplinarios y transdisciplinarios. Como resultado, está interesada en los métodos y herramientas, así como en los conceptos y teorías, como medio para lograr un cambio transformador y de desarrollo para resolver problemas sociales multidimensionales. Ha centrado su investigación en las condiciones específicas para la investigación interdisciplinaria y transdisciplinaria en diferentes países y en la pro-ducción y el uso social del conocimiento en los países en desarro-llo, incluyendo la función de las universidades y otras instituciones. Ha sido invitada como conferencista a varias universidades en Costa Rica, México, Colombia y Argentina y editó y publicó varios libros y artículos entre ellos: Interdisciplinarity and Transdisciplinarity: Institutionalizing Collaboration across Cultures and Communities (Routledge, 2021) con Julie Thompson Klein y Encrucijadas Inter-disciplinarias (Editorial CICCUS, 2018), junto con Cecilia Hidalgo.

8

Reconocimientos

Las actas del taller fueron revisadas en forma de borrador por individuos elegidos debido a sus diversas perspectivas y experiencia técnica. El propósito de esta revisión independiente fue proveer co-mentarios ingenuos y críticos que ayudaran a la Academia Nacional de Ciencias Ingeniería y Medicina, a elaborar cada una de las actas publicadas en forma tan sólida como fuera posible y para asegurar que estas reúnan los estándares institucionales de calidad, objetivi-dad, evidencia, y responsabilidad de este encargo. Los comentarios de la revisión y el borrador siguen siendo confidenciales para prote-ger la integridad del proceso.

Agradecemos a las siguientes personas por su revisión de estos informes:

Steve W. J Kozlowski, Departament of Psychology, University of South Florida, y Nicole Motzer, National Socio-Environmental Syn-thesis Center, University of Maryland

9

Reconocimientos

Aunque los revisores nombrados más arriba proveyeron comenta-rios y sugerencias muy constructivos, ellos nunca quisieron endosar el contenido de las actas ni les fue permitido ver el borrador final antes de su lanzamiento. La revisión de este documento sobre los conteni-dos del taller fue supervisada por Jennifer S. Bond, miembro veterano del Consejo de Competencia. Ella fue responsable de asegurar que un examen independiente de este documento fuera realizado de acuer-do con los estándares de las Academias Nacionales y que todos los comentarios de la revisión fueron cuidadosamente considerados. Las opiniones expresadas en este documento reflejan tanto las opiniones individuales como las colectivas de los participantes de la reunión y no necesariamente las de las Academias Nacionales.

Estas actas del taller fueron elaboradas por Shadya Sanders, Dana Glei, Rose Li, Dana Carluccio y Nancy Tuvesson de Rose Li & Asso-ciates Inc. La responsabilidad del contenido final descansa entera-mente en los informantes de las Academias Nacionales.

Agradecimiento del Dr. Julio Ceitlin. La versión en español de este libro ha sido posible gracias a la tarea de un grupo de universitarios interesados en el tema, entre los que debo mencionar a la Dra. Bianca Vienni, quien a pesar de su intensa actividad desarrollada en la Universidad de Zurich y en otras responsabilidades internacionales ha dedicado tiempo y esfuerzo a la elaboración de este libro. También debo destacar la tarea secretarial de María Pilar Seta en cuyas manos estuvo la construcción de la estructura del libro, elemento fundamental para su publicación. Y, el apoyo entusiasta del Rector de la Universidad de Palermo, Ing. Ricardo Popovsky sin lo cual este proyecto no se hubiera concretado.

10

1. Introducción

Antecedentes

Estas actas resumen las presentaciones y discusiones en el Taller so-bre las implicaciones de la convergencia en cómo el Centro Nacional de Estadísticas de Ciencia e Ingeniería (NCSES) mide la fuerza laboral de ciencia e ingeniería, que se llevó a cabo de forma virtual y transmitido en vivo en octubre 22-23, de 2020. El taller fue convocado por el Comité de Estadísticas Nacionales (CNSTAT) para ayudar a NCSES, una divi-sión de la Fundación Nacional de Ciencias (NSF), a establecer una agen-da para informar su investigación metodológica y medir y evaluar mejor las implicaciones de la convergencia para la fuerza laboral y la empresa de ciencia e ingeniería (S&E). Si bien existen varias definiciones, el sitio web de la NSF describe la investigación de la convergencia con dos características principales: está impulsada por un problema específico y convincente, y requiere una integración profunda en todas las

Introducción

11

disciplinas. El paradigma de la convergencia “reúne intencionalmente a investigadores intelectualmente diversos para desarrollar formas efectivas de comunicarse entre disciplinas mediante la adopción de marcos comunes y un nuevo lenguaje científico. Esto, a su vez, puede ayudar a resolver el problema que requirió la colaboración, dando como resultado formas novedosas de enmarcar las preguntas de investigación y abrir nuevas perspectivas de investigación”.1

El taller se estructuró para reunir a científicos e investigadores de múltiples disciplinas, junto con expertos en política científica, admi-nistración universitaria y otras partes interesadas para revisar y pro-porcionar aportes sobre definir y medir la convergencia y su impacto en la ciencia y los científicos. La agenda del taller se puede ver en el Apéndice A. Los bocetos biográficos de los miembros del comité direc-tivo y los presentadores del taller se incluyen en el Apéndice B.

CNSTAT tiene una larga historia de brindar asesoramiento en asun-tos científicos al gobierno federal y realizar revisiones independientes de las actividades estadísticas federales para mejorar la calidad de la infor-mación estadística, contribuir a las políticas estadísticas y coordinar las actividades del gobierno federal destinadas a proporcionar una visión de futuro para el sistema estadístico federal. El director de CNSTAT, Brian Harris-Kojetin, describió la medición como un enfoque frecuente del trabajo de CNSTAT y fundamental para las agencias de estadística para proporcionar estadísticas confiables sobre diferentes temas. Requiere que las agencias de estadística desarrollen una comprensión profunda de sus áreas temáticas y definiciones claras de lo que debe medirse. Este conocimiento incluye comprender qué información existe, si esta infor-mación está bien organizada, cómo se puede acceder a ella y cómo las agencias interpretan los datos, particularmente si se les pide que propor-cionen información sobre ellos. Las agencias de estadística se destacan en los detalles que deben tenerse en cuenta para medir con precisión los matices de un tema en particular. El desafío de una medición precisa es que nuestra sociedad y nuestra economía están en constante evolución, lo que requiere innovaciones en los métodos de medición. Harris-Koje-tin agradeció a NCSES por la oportunidad de convocar este taller.

1 https://www.dropbox.com/home/01-Eventos/Ingenieria/11-Noviembre/031121-h4c-k3d-2021/Placas-Redes/Charlas

12


Enfoque del taller

El propósito del taller fue ayudar a NSF y NCSES a “establecer una agenda para informar sobre su investigación metodológica y mejorar sus programas de recopilación de datos para medir y evaluar mejor las implicaciones de la convergencia para la fuerza laboral y la empresa de S&E”. Entwisle explicó cómo la convergencia se ha expandido más allá del término acuñado hace casi 10 años cuando los profesores del MIT Phil Sharp y Robert Langer publicaron su trabajo sobre convergencia y ciencia biomédica en 2011. Inicialmente, la convergencia se centró en unir la ingeniería, las ciencias físicas y las ciencias de la vida dentro de las instituciones académicas. Ahora se ha expandido para abarcar disciplinas novedosas con nuevos resultados. El taller buscó explorar el estado de las definiciones de convergencia, su práctica, sus resultados, sus efectos y caminos prometedores para el NCSES en esta área. Un objetivo central del taller fue ayudar a NCSES a refinar y priorizar su re-colección de datos e investigación metodológica sobre la convergencia. El recuadro 1-1 muestra la descripción completa de la tarea del taller.2

CUADRO 1-1

Descripción de tareas

El Comité de Estadísticas Nacionales de las Academias Nacionales de Ciencias Ingeniería y Medicina propone realizar un taller abierto de 2 días para ayudar al Centro Nacional de Estadísticas para Ciencia e Ingeniería de la NSF a establecer una agenda para informar su investigación metodológica y mejorar sus programas de recopilación de datos para medir y evaluar mejor las implicaciones de la convergencia sobre la fuerza laboral y empresarial de la ciencia e ingeniería. Un comité de planificación organizará el taller, que reunirá a científicos de una variedad de disciplinas, así como a expertos en política científica, administradores universitarios y otros interesados en revisar y proveer sus contribuciones sobre convergencia y medición de su impacto en la ciencia y los científicos. El resultado del Taller estará orientado a ayudar al NCSES a refinar y priorizar su recolección de datos e investigación metodológica en esta área. Las actas del Taller serán preparadas por un relator designado de acuerdo con los lineamientos institucionales.

2 Sharp, P.A. y R. Langer. (2011). Agenda de investigación. Promover la convergencia en las ciencias biomédicas. Ciencia 333 (6042): 527. doi: 10.1126 / science.1205008.

Introducción

13

El interés de la Fundación Nacional de Ciencias en Medir la Convergencia

Arthur (Skip) Lupia (director asistente, NSF) describió el 2020 como un momento ideal para considerar la convergencia debido a los enor-mes desafíos que enfrentan no solo los Estados Unidos sino también los países de todo el mundo. La pandemia de COVID-19 ha impactado vidas en todas partes, por ejemplo, en términos de salud, educación, negocios y apoyo social. Como una forma de mejorar la calidad de vida en estas circunstancias, Lupia llamó la atención sobre el Programa Ace-lerador de Convergencia de NSF, que acelera la investigación de conver-gencia inspirada en el uso en áreas de importancia nacional.3

Citando al químico estadounidense Linus Pauling, propuso que “la mejor manera de tener buenas ideas es tener muchas ideas”. Lu-pia agregó que los tipos de buenas ideas que pueden tener el mayor impacto social son casi siempre combinaciones novedosas de concep-tos existentes. El desafío para una agencia como NSF es que muchas “combinaciones novedosas” caen entre las grietas de las categorías disciplinarias existentes. Esta es una de las razones por las que NSF busca desarrollar nuevos programas como Convergence Accelerator.

Luego, Lupia pasó al tema de la medición. La Dirección de Cien-cias Económicas, Sociales y del Comportamiento (SBE) de la NSF busca respaldar una “investigación rigurosa y precisa que empodere a las personas y mejore la calidad de vida”. SBE hace esto apoyando la investigación innovadora, la creación de datos fundamentales y la infraestructura analítica, y la capacitación esencial. También descri-bió los principios de rigor (la capacidad de explicar cómo sabemos lo que sabemos) de SBE, ética (empoderar a las personas a través de la conciencia de todo el flujo de trabajo científico), precisión en la medición y conceptualización, y causalidad.

NCSES es parte de SBE y tiene la tarea de medir aspectos clave del ecosistema de ciencia e ingeniería de la nación. Debe entregar medidas que cumplan con SBE y otros estándares federales. Además,

3 Fundación Nacional de Ciencias. (9 de octubre de 2020). Estimado colega Carta: Solicitud de información sobre temas futuros para el acelerador de convergencia de NSF (NSF 21-012). Disponible: https://www.nsf.gov/pubs/2021/nsf21012/nsf21012.jsp

https://www.nsf.gov/pubs/2021/nsf21012/nsf21012.jsp

14


el valor de las medidas NCSES depende de que la comunidad inves-tigadora las considere válidas y legítimas.

Con estos criterios en mente, Lupia indicó que el concepto de convergencia es potencialmente ambiguo y se preguntó si sería me-jor tratarlo como una idea aspiracional en lugar de algo para medir explícitamente. Para evaluar esta posibilidad, Lupia planteó cinco preguntas críticas para el grupo:

1. ¿Es posible una medida de convergencia válida y ampliamente legítima, es decir, una medida que señale la estandarización y que pueda derivarse de manera confiable y consistente de las actividades de diversas instituciones?

2. ¿Es posible generar exclusividad mutua y agotamiento colecti-vo en aspectos críticos del concepto subyacente? ¿Es la neuro-ciencia, por ejemplo, un ejemplo de trabajo convergente o es su propia disciplina?

3. Si podemos responder las dos primeras preguntas, ¿a quién empodera la medida para lograr de manera efectiva metas de alto valor en mayor grado?

4. Si respondemos todas las preguntas anteriores, ¿qué costos de oportunidad existen para que NCSES desarrolle tal medida?

5. Habiendo respondido a estas preguntas, ¿es la convergen-cia más eficaz como ideal motivacional que como fenómeno mesurado?

Después de la presentación de Lupia, Khargonekar preguntó si Lupia está considerando medidas de convergencia únicas o múltiples al plantear estas preguntas. Lupia respondió que su visión de la con-vergencia es un concepto muy dimensional, y si se pueden responder otras preguntas sobre la medida, no tiene una noción preconcebi-da sobre si la convergencia debe tener una sola medida o múltiples medidas. Holbrook siguió preguntando si es posible responder afir-mativamente tanto a la primera como a la quinta. Lupia expresó su creencia de que es lógicamente posible responder a ambas pregun-tas afirmativamente.

Introducción

15

Objetivos del Taller del Centro Nacional de Estadísticas de Ciencia e Ingeniería

Emilda Rivers (directora, NCSES) describió las necesidades, me-tas y desafíos de NCSES en relación con la medición de la conver-gencia. Estuvo de acuerdo con Lupia en que uno o varios conceptos podrían estar relacionados con la convergencia y que el objetivo de NCSES sería transmitir la confiabilidad, precisión y transparencia del proceso de medición. Este objetivo podría volverse cada vez más difícil de lograr si las comunidades individuales tienen diferentes definiciones de convergencia. Rivers organizó su presentación como una serie de preguntas dirigidas al comité directivo. Primero, pre-guntó si se podrían superar algunos problemas de definición. A ve-ces, los objetivos se enmarcan con un énfasis político que puede di-ferir significativamente del énfasis en la medición, y esta diferencia puede resultar en la pérdida de matices y conducir a más confusión en lugar de claridad. Luego preguntó sobre (1) las consecuencias no deseadas de medir la convergencia y las brechas que pueden existir al proporcionar un marco a nivel nacional, (2) la comunicación de las brechas donde existen y (3) los medios para reflejar con precisión el impacto de convergencia en la comunidad científica.

Como agencia federal, NCSES está obligada a proporcionar in-formación en todo el país. NCSES requiere datos de alta calidad y debe poder comunicar tanto el nivel de experiencia involucrado en la producción de datos utilizados como el impacto de los datos en personas que no están familiarizadas con la convergencia. Después de proporcionar estas preguntas al comité, Rivers se preguntó sobre el momento de esta meta de medición. Como mencionó Entwisle, puede que sea demasiado pronto para intentar derivar una medida nacional, dado que el concepto de convergencia se definió original-mente hace poco más de una década.

Erin Leahey (Universidad de Arizona) preguntó si una medida na-cional es aquella que busca la coherencia a escala nacional (o en otras palabras, utiliza la misma medida utilizada en todo Estados Unidos) o una escala internacional (es decir, una medida que permite com-paración entre diferentes países). Rivers respondió que una medida

16


nacional consistiría en datos representativos de la convergencia en los Estados Unidos. Expresó su renuencia a pensar de manera demasiado amplia, así como la esperanza en la adopción de una estimación nacio-nal de la convergencia en los Estados Unidos como una meta inicial.

Bethany Laursen (Universidad Estatal de Michigan) preguntó si NCSES está dispuesta a considerar medidas de convergencia cuali-tativas tanto como cuantitativas. Rivers respondió que NCSES pla-nea enfocarse en una medida cuantitativa en este momento. Aclaró que las múltiples fases de la investigación cualitativa para mejorar la comprensión a menudo ocurren antes de que se alcance una medida cuantitativa. Por tanto, la investigación cualitativa puede desempe-ñar un papel muy importante.

Organización del informe

Este resumen describe las presentaciones y discusiones del taller que siguieron a cada tema. Los capítulos están organizados en torno a las se-siones del taller, que incluyeron resúmenes del trabajo previo de NCSES en esta área y las definiciones de convergencia, discusiones sobre cómo se practica la convergencia en una variedad de entornos, los resultados y los impactos de la convergencia. y los esfuerzos existentes para medir la convergencia utilizando una variedad de enfoques. Las sesiones fina-les del taller se centraron en cuestiones relacionadas con la viabilidad de recopilar datos a nivel nacional sobre convergencia, consideraciones de implementación y discusiones entre los participantes del taller sobre cómo NCSES podría hacer avanzar el trabajo en esta área.

La agenda completa de la reunión y los bocetos biográficos de los miembros del comité directivo y los presentadores de los talleres apa-recen en los apéndices. Estas actas han sido preparadas por el relator del taller como un resumen fáctico de lo ocurrido en el mismo. El papel del comité de planificación se limitó a planificar y convocar el taller. Las opiniones contenidas en las actas son las de los participantes individuales del taller y no necesariamente representan las opiniones de todos los participantes del taller, del comité de planificación o las Academias Nacionales de Ciencias, Ingeniería y Medicina.

17

2. Preparando el escenario:¿Por qué es importante la convergencia?

Joseph DeSimone (Universidad de Stanford y Carbon, Inc.) co-menzó con una historia sobre cómo establecer y mantener los obje-tivos establecidos. DeSimone reinició recientemente su laboratorio académico y abrió su primera reunión de grupo de investigación mostrando claramente los valores grupales. Estos valores incluían compromisos con múltiples dimensiones de la diversidad, que DeSi-mone considera un principio fundamental de la innovación. Explicó que cuando tienes claro estos valores, te conviertes en un referente para las personas que buscan alcanzar la excelencia. Por el contrario, guardar silencio sobre estos valores puede causar problemas rápi-damente. DeSimone presentó la investigación como una expresión de fe sobre la posibilidad de la innovación, la posibilidad de que “se


18

puedan descubrir cosas nuevas y que lo más nuevo pueda ser mejor”.1 La investigación académica y, según el punto de vista de DeSimone, las iniciativas basadas en investigación constituyen “una forma de optimismo sobre la condición humana”.

El economista Clay Christensen clasificó la innovación en tres tipos: disruptiva, sustentable y eficiente. DeSimone explicó que las innovaciones disruptivas transforman lo complejo y caro para ha-cerlo asequible y accesible. Una inversión a largo plazo, por ejem-plo, puede crear categorías de ciencia y sectores industriales com-pletamente nuevos, como el desarrollo de la secuenciación del ADN y su evolución hacia la industria de la biotecnología. Por tanto, las innovaciones disruptivas crean millones de puestos de trabajo. Por otro lado, las innovaciones sostenidas no crean empleos, pero los preservan reemplazando productos viejos con componentes recién creados que mejoran la calidad del producto y respaldan una econo-mía saludable. Las innovaciones en la eficiencia agilizan los procesos y reducen los costos, pero eliminan trabajos. En la industria automo-triz, por ejemplo, la automatización y las innovaciones tecnológicas han eliminado partes de la fuerza laboral. Teniendo en cuenta cada aspecto de la eficiencia, DeSimone preguntó a los participantes del taller dónde creen que se encuentran en el espectro de los tipos de innovación y dónde les gustaría estar.

DeSimone argumentó que la innovación puede ser impulsada por la convergencia. Describió un marco de referencia de Susan Hockfield y su equipo en el MIT en el que se ve la convergencia de las ciencias de la vida, las ciencias físicas y la ingeniería como una estrategia para impulsar la innovación. DeSimone explicó que una expansión hacia una inclusividad más amplia de las disciplinas (incluidas las ciencias sociales, las humanidades y las artes escénicas) también podría ser un modelo para la innovación. Ofreció el ejemplo del diseño de edificios a prueba de terremotos en Haití. Para completar dicho trabajo, sería necesario comprender no solo la ingeniería, sino también la cultura, el idioma, la historia y las políticas gubernamentales francesas. DeSimone citó además a Apple

1 Rosovsky, H. (1991). La universidad: un manual del propietario. Nueva York: W.W. Norton and Company.

Preparando el escenario: ¿Por qué es importante la convergencia?

19

y su ex CEO Steve Jobs como un ejemplo de la insuficiencia de un solo campo (tecnología, en este caso). Jobs declaró: “Es la tecnología unida con las artes liberales y con las humanidades lo que nos da el resultado que hace que nuestro corazón cante”. DeSimone también advirtió que las empresas de tecnología a veces carecen de una pers-pectiva de artes liberales. Facebook, por ejemplo, tenía la intención de unir a las personas, pero ha incitado a la división, y Juul se pro-puso dejar de fumar, pero su reemplazo, el vapeo, se convirtió en un problema grave. DeSimone argumentó que las perspectivas tanto de las humanidades como de las ciencias sociales deberían estar más profundamente arraigadas en los objetivos y el funcionamiento de las iniciativas tecnológicas.

La convergencia también afecta la formación profesional. DeSimo-ne utilizó el modelo de personas en forma de I, T y π para ejemplificar este impacto. Las personas con forma de I tienen una sólida formación en sus campos centrales, las personas con forma de T tienen un cono-cimiento profundo sobre un tema en particular, pero también pue-den colaborar bien con personas en otros campos, y las personas con forma de π tienen un conocimiento profundo sobre múltiples temas. Esta tipología también se puede describir en términos de lenguaje: los individuos con forma de T pueden trabajar en distintas disciplinas que comparten un idioma común, mientras que los que tienen forma de π son verdaderamente multilingües con una comprensión profun-da de múltiples materias que utilizan diferentes vocabularios concep-tuales. Si bien DeSimone ve el conocimiento en forma de π como una vocación superior, expresó su preocupación por las demandas de las personas que desarrollan múltiples bases de conocimiento profundo a lo largo de sus carreras, y el tiempo extenso que requiere este proceso. Aquellos en áreas académicas de investigación son, por lo tanto, sig-nificativamente mayores que aquellos en espacios empresariales como las empresas de tecnología de Silicon Valley: la edad promedio de un beneficiario del Proyecto de Investigación R01 es de alrededor de 40 años, en comparación con la edad promedio de los beneficiarios de subvenciones iniciales, que tienden a ser en sus veintitantos.

Más allá de las demandas de formación y educación de los investi-gadores multidisciplinarios, la convergencia también requiere un nivel


20

de vulnerabilidad. Para ser un colaborador eficaz, debe estar dispues-to a articular claramente los límites de su experiencia, lo que no sabe tan bien como lo que hace, pero no es común que las organizaciones recompensen a los científicos por tener claro lo que no saben.

Es importante crear un entorno que fomente este tipo de claridad y permita ese aprendizaje sin penalización.

DeSimone argumentó que la diversidad social e intelectual cons-tituyen componentes críticos de la convergencia y la innovación. Co-menzó reflexionando sobre una invitación que recibió al principio de su carrera para unirse a un comité de innovación de una gran empresa europea. Al entrar por primera vez a la sala de juntas de la empresa, descubrió que el comité era homogéneo, compuesto en su totalidad por hombres blancos que habían sido entrenados en uno de los dos grupos de investigación. A pesar de su similitud superficial con estos miembros, DeSimone no encajaba y no fue tratado como una verdadera parte del grupo. En cambio, fue visto constantemente como un forastero. En opinión de DeSimone, la falta de inclusión del grupo lo colocó en una desventaja estructural que obstaculizó el fomento de la innovación para la que se formó.

Esta experiencia influyó en el compromiso público de DeSimone con la inclusión en su institución de origen y grupo de investigación. Describió una invitación posterior que recibió para pronunciar un discurso de apertura ante la American Chemical Society en un mo-mento en que la NAACP pedía un boicot del estado de Carolina del Sur en respuesta a la exhibición de la bandera confederada. El grupo de investigación de DeSimone decidió honrar el boicot y retirarse de la conferencia. La postura audaz de mantener la coherencia con el valor central de la inclusión del grupo tuvo consecuencias: la confe-rencia se trasladó,2 lo que atrajo la atención de las organizaciones de noticias nacionales que cubrían la historia. Más recientemente, un ensayo personal en la prestigiosa revista Angewandte Chemie, Inter-national Edition expresó su frustración con el enfoque profesional en el aumento de la diversidad. El ensayo ahora eliminado provocó

2 Brennan, M. (2000). El taller de polímeros difiere del boicot de la NAACP a Carolina del Sur. Archivo de noticias de química e ingeniería 78 (10): 58. doi: 10.1021 / cen-v078n010.p058


21

una renuncia masiva de 16 de los 44 miembros de la junta asesora in-ternacional, incluido DeSimone, y desde entonces ha reunido el apo-yo público a la importancia de construir una cultura de inclusión.

DeSimone sugirió que la diversidad promueve la innovación cuando personas de diferentes orígenes se unen para aprender unas de otras (en otras palabras, cuando participan en una forma de convergencia cultural). DeSimone declaró: “Aprendemos más de aquellos con los que tenemos menos en común”, tanto en términos disciplinarios como culturales. DeSimone pasó a describir el trabajo del politólogo Scott Page sobre el poder de la diversidad en resolución de problemas. En su libro The Difference,3 muestra que la diversidad no siempre produ-ce mejores resultados que la capacidad, pero lo hace con mucha más frecuencia de lo esperado. DeSimone buscó sofocar los temores de aquellos a quienes les puede preocupar que la diversidad y la inclusión impliquen el fin de la meritocracia, aclarando que tanto la capacidad como la diversidad son importantes. Los equipos requieren personas que puedan desempeñar con éxito y habilidad diferentes roles funcio-nales. El éxito del equipo también requiere diferentes puntos de vista, antecedentes culturales, etnias y géneros.

DeSimone le recordó al grupo que la actualización de estas im-portantes consideraciones requiere recursos, o como él dijo, “una visión sin recursos es una alucinación”. Señaló diferencias importan-tes en la forma en que se asignan los recursos en los entornos de investigación y negocios utilizando la diferenciación de Peter Thiel de ideas “cero a uno” (o “ideas rebeldes” sobre las que muy pocas personas están de acuerdo) e ideas “uno a n” (o ideas que se basan en esas ideas rebeldes). DeSimone sugirió que las ideas de “cero a uno” enfrentan un momento difícil para asegurar la financiación de la investigación tradicional, porque una idea con la que pocas personas están de acuerdo no obtendrá el apoyo necesario para una subvención tradicional. Una solicitud enviada a los Institutos Nacio-nales de Salud (NIH) debe recibir una calificación “excelente” de 10 revisores para recibir financiamiento; si nueve revisores le otorgan

3 Página, S.E. (2007). La diferencia: cómo el poder de la diversidad crea mejores grupos, empresas, escuelas y sociedades (2007). Princeton, Nueva Jersey: Princeton University Press. doi: 10.2307 / j.ctt7sp9c


22

una calificación “excelente” y uno la califica como “muy buena” no será financiada, mientras que en el mundo del capital de riesgo, uno podría recibir nueve puntajes de “no” y solo un “sí”, pero eso es su-ficiente para asegurar una inversión en una idea de “cero a uno”. DeSimone enfatizó la importancia de las ideas “cero a uno” y de po-ner esas ideas en acción a través de la investigación traslacional. En palabras de Johann Wolfgang von Goethe, “Saber no es suficiente: debemos aplicar. No basta con querer, hay que hacerlo.”

DeSimone concluyó resumiendo los ingredientes clave de la inno-vación, que incluyen diversos equipos de diseño, un compromiso con tutorías y aprendizajes, esfuerzos para comportarse de manera dife-rente a los de la mayoría de un campo, una búsqueda de conexiones entre campos mientras se construyen asociaciones con expertos en el dominio, el trabajo realizado a una escala masiva en lugar de una meramente incremental, y el compromiso con los demás. Estos in-gredientes demuestran la combinación de convergencia y diversidad, que están interrelacionadas y son de importancia crítica.

Discusión

Holbrook sugirió que si la diversidad es necesaria para la conver-gencia, entonces estandarizar el significado de convergencia podría terminar interfiriendo con la convergencia. DeSimone estuvo de acuerdo con esta caracterización. Sugirió que las solicitudes de soli-citudes pueden hacer cumplir la estandarización y expresó la espe-ranza que se vuelvan menos estrictos y más interesantes permitiendo que los investigadores sigan sus propios intereses de investigación.

Entwisle preguntó a DeSimone como definiría un campo y, por lo tanto, medir cuándo los investigadores están uniendo campos. De-Simone sugirió que los campos son un producto persistente de las estructuras organizativas del siglo XVIII que aún están arraigadas en las universidades modernas. Reiteró sus puntos de vista sobre la configuración de las personas con forma de I, T y π y la importan-cia de promover el aprendizaje profundo en múltiples disciplinas. Al mismo DeSimone se le advirtió al principio de su carrera que tuviera


23

cuidado de no participar en demasiados esfuerzos de colaboración porque podrían dañar su potencial de promoción. Recibió personal-mente el apoyo de su jefe de departamento y sugirió que todos los investigadores deberían poder recibir financiación como investiga-dores independientes al principio de sus carreras para promover la autonomía y la libertad para pensar de manera amplia.

Entwisle señaló que la aplicación de la investigación para el de-sarrollo de nuevas empresas ha sido fundamental para la carrera de DeSimone y, por lo tanto, preguntó si considera que este trabajo está necesariamente vinculado a la convergencia como concepto. DeSimo-ne respondió que no es una parte necesaria de la convergencia, pero puede ser un elemento definitorio, en parte porque el trabajo trasla-cional es profundamente inspirador. Explicó además que el desarrollo de nuevas empresas no se presta a todas las disciplinas, por lo que no impondría ese modelo a un investigador, pero no lo negaría a los investigadores que vinculan su trabajo con aplicaciones comerciales.

Peter Schiffer (Universidad de Yale) pidió a DeSimone que comen-tara sobre el valor de medir los impactos y resultados de la investiga-ción convergente pasada, presente y propuesta. Entwisle sugirió que esta pregunta investiga si los investigadores necesitan saber de ante-mano si la investigación es convergente o transformadora y si la con-vergencia es una propiedad de la investigación en sí misma. DeSimone dijo que la convergencia es valiosa para que los científicos sociales la cuantifiquen, pero advirtió contra la prescripción de cómo los investi-gadores individuales deben llevar a cabo su investigación. Argumentó que la cartera nacional de investigación debería ser diversa. No todo el mundo debería realizar la investigación de la misma manera, y la investigación básica es solo una parte de ese portafolio.

24

3. Visión general del Centro Nacional de Estadísticas de Ciencias e Ingeniería Colecciones de datos, productos de datos y trabajo anterior en esta área

Gary Anderson (Centro Nacional de Estadísticas de Ciencia e In-geniería [NCSES]) abrió su presentación describiendo el trabajo rea-lizado por el NCSES en la última década, particularmente el trabajo relacionado con las definiciones. En ese tiempo, surgieron varios problemas de definición a medida que las instituciones y disciplinas académicas desarrollaban sus propias definiciones para caracterizar la investigación que atraviesa las disciplinas. Anderson destacó la transición desde el uso de los términos “disciplinario”, “multidisci-plinario” e “interdisciplinario” al término “convergencia”. Cada tér-mino creó problemas de definición y llamó la atención sobre nuevos aspectos de la investigación que se basaron en la experiencia de va-rias disciplinas. El NCSES ha trabajado en estos temas de definición en varios foros, incluido el desarrollo de encuestas y talleres.

Visión general del Centro Nacional de Estadísticas de Ciencias...

25

Para describir su evolución, Anderson dijo que los términos uni-disciplinariedad, multidisciplinariedad y transdisciplinariedad pue-den reflejar diferentes grados de integración, teniendo la transdis-ciplinariedad el nivel más alto. Los niveles de integración incluyen cómo los resultados producidos se relacionan con sus componentes individuales, cómo los investigadores trabajan juntos y cómo el pro-ceso puede crear un producto más valioso. Con base en las defini-ciones de la literatura, Anderson y sus colegas utilizan la siguiente definición de convergencia: un enfoque para la resolución de proble-mas que trasciende los límites disciplinarios. Dos áreas principales son las más destacadas para definir la convergencia: la integración profunda de las disciplinas y la investigación orientada a problemas.

La integración profunda puede describirse como que los investi-gadores se convierten en una unidad completa en lugar de trabajar solos o codo a codo. La orientación al problema se puede describir como un énfasis en un problema de punto final que necesita ser resuelto, ya sea social o científico. Anderson expresó su deseo de ex-plorar más a fondo estos temas a medida que continúa la investiga-ción de la convergencia y señaló el potencial que tiene para impactos sociales más amplios, en oposición a los avances (uni)disciplinarios. Anderson y sus colegas compartieron los hallazgos de su bagaje ini-cial de investigación con el liderazgo de NCSES y plantearon dos preguntas generales:

(1) ¿Qué han hecho los líderes de NCSES y qué están haciendo actualmente?

(2) ¿Existe un nivel de rigor y estandarización que se pueda utili-zar a nivel nacional? Estas preguntas conformaron el desarrollo de la agenda de este taller que fueron luego divididas en cinco preguntas más detalladas:

1. ¿Qué ha hecho el NCSES para contribuir a la medición de la convergencia y su impacto?

2. ¿Existen programas, experimentos o pilotos del NCSES rela-cionados con la medición del trabajo de convergencia que pue-dan utilizarse como base para las sesiones del taller?

3. ¿Es la definición de trabajo actual adecuada para la creación de indicadores nacionales utilizando encuestas e informes actuales?


26

4. ¿Son los enfoques metodológicos actuales para las encuestas e indicadores del NCSES apropiados para la medición de la convergencia?

5. ¿Son los indicadores basados en técnicas que no son de encuesta (bibliometría y cienciometría de citas, así como análisis y modelado de redes) adecuados para evaluar la investigación de convergencia y su impacto, y puede o debería el NCSES buscar desarrollarlos?

Para investigar lo que NCSES ha hecho y está haciendo, Anderson comenzó con décadas de correos electrónicos, documentos de deci-siones, documentos técnicos, informes de conferencias y publicacio-nes formales sobre indicadores de ciencia e ingeniería. Con respecto a hacia dónde se dirige NCSES, Anderson cree que ahora es un buen momento para volver a investigar la convergencia y su definición. A medida que la investigación se orienta cada vez más hacia los pro-blemas en lugar de la disciplina, se centra en los impactos sociales y se inclina hacia la integración profunda, el liderazgo de NCSES se da cuenta de la importancia de medir el impacto de la investigación interdisciplinaria y de la convergencia.

Anderson analizó áreas donde NCSES está considerando incorporar medidas de interdisciplinariedad a través de taxonomías y clasificaciones de investigación. Un taller de 2012 para discutir esta posibilidad consideró la necesidad de que NCSES mida la interdisciplinariedad en el contexto de lo que dice la literatura empírica actual sobre esto, enfocándose en conjuntos de datos bibliométricos. Los temas discutidos incluyeron métodos para producir mediciones válidas y si las caracterizaciones eran exhaustivas y mutuamente excluyentes, lo que a su vez está relacionado con problemas de distribución relacionados con la investigación interdisciplinaria. Anderson luego hizo una distinción entre un enfoque de arriba hacia abajo, que se basa en taxonomías existentes para medir la disciplina (por ejemplo, si los autores representan varias disciplinas), versus un enfoque de abajo hacia arriba impulsado por la ciencia de datos y métodos de aprendizaje automático, como el modelado de temas para identificar campos emergentes. Mencionó la posibilidad de un


27

enfoque híbrido que apalancaría y luego combinaría el modelado de temas con las prioridades de la administración o el Congreso para producir medidas válidas que investiguen la interdisciplinariedad. Al final de ese taller, los asistentes concluyeron que la investigación y el desarrollo interdisciplinario (I + D) es difícil de detectar, describir y medir, y que la taxonomía existente de disciplinas no se adapta fácilmente a una exploración de resultados emergentes. A pesar de estas dificultades, Anderson reiteró la importancia contemporánea de lidiar con estos problemas.

El NCSES ha estado profundamente involucrado en el desarrollo de guías para la investigación internacional y estándares de diseño para el trabajo interdisciplinario. Contribuyó ampliamente a la revi-sión de 2015 de la Organización para la Cooperación y el Desarro-llo Económicos (OCDE) del Manual de Frascati,1 que proporciona orientación sobre la recopilación y presentación de informes sobre el desempeño de I + D y los datos de financiación. El manual descri-be los campos de investigación y desarrollo, proporcionando orien-tación sobre el uso de taxonomías para determinar los niveles de interdisciplinariedad en un proyecto. El manual también considera que la academia puede encontrar esta guía más fácil de trabajar que con otros sectores de la economía. Aunque es interdisciplinario, el trabajo de desarrollo experimental de las empresas, por ejemplo, puede ser difícil de medir.

Anderson explicó que a lo largo de varios años, NCSES ha actuali-zado las taxonomías que se utilizan para medir la investigación para reflejar mejor los tipos de I + D que se llevan a cabo en las instituciones educativas. NCSES revisó su taxonomía de encuestas para aumentar la estandarización entre las agencias de estadística y para asegurar que los campos de investigación permanezcan actualizados. Mantener una lista actualizada de taxonomías permitiría a los usuarios encon-trar su campo respectivo más fácilmente dentro de una larga lista de disciplinas presentadas en una encuesta. Otros cambios incluyeron agregar nuevas disciplinas dentro de los ejemplos, reclasificar algunas

1 Organización para la Cooperación y el Desarrollo Económicos. (2015). Manual de Frascati 2015: Directrices para la recopilación y notificación de datos sobre investigación y desarro-llo experimental. París: Publicaciones de la OCDE. doi: 10.1787 / 9789264239012-en.


28

disciplinas en diferentes campos y agregar cuatro campos claramente nuevos. A pesar de estas revisiones, la clasificación de la I + D interdis-ciplinaria se ha mantenido, en general, sin cambios y se la denomina Otras ciencias u Otros campos de la ingeniería y no ciencias. Otras ciencias se utiliza para I + D que implica al menos un campo de cien-cia e ingeniería (S&E) y también implica gastos de investigación que no pueden atribuirse a campos específicos. Otros campos que no son de ciencia y tecnología se utilizan para categorizar la investigación e involucra varios campos que no son de ciencia y tecnología cuando no se puede informar un campo específico.

Anderson también presentó los resultados de la encuesta Higher Education Research and Development (HERD) y explicó cómo el rediseño la encuesta de 2009 investigó la posible inclusión de una medida interdisciplinaria. Este esfuerzo comenzó con conversacio-nes con usuarios de datos individuales y universidades que revelaron la importancia de la interdisciplinariedad. Esto llevó al NCSES a de-sarrollar una encuesta piloto, informar a los encuestados y crear una versión final, que se mostró a los participantes del taller. Para permi-tir la medición de la interdisciplinariedad, la versión final de la en-cuesta proporcionó la siguiente definición de I + D interdisciplinario:

La I + D interdisciplinaria integra información, datos, técnicas, herramientas, perspectivas, conceptos y / o teorías de dos o más disciplinas o cuerpos de conocimiento especializado. El propó-sito de la I + D interdisciplinaria es promover la comprensión fundamental o resolver problemas cuyas soluciones están más allá del alcance de una sola disciplina o área de I + D. La inves-tigación interdisciplinaria incluye gastos de I + D dentro de un centro que realiza principalmente I + D interdisciplinar en sus instituciones. También puede incluir I + D realizado conjunta-mente por dos o más departamentos de su institución.

Lamentablemente, la puesta en práctica de la I + D interdiscipli-nario no produjo una medida coherente. Las inconsistencias se mani-festaron de dos formas principales. Primero, diferentes encuestados dentro de una universidad entendieron el concepto de interdiscipli-nariedad de manera diferente. En segundo lugar, los métodos de


29

mantenimiento de registros de las universidades no coincidían con la definición del concepto de la encuesta. En lugar de abandonar el esfuerzo por medir la interdisciplinariedad, la encuesta HERD dife-renciaba las mediciones por disciplina o por categorías más amplias. En consecuencia, aunque existe una medida de interdisciplinarie-dad, Anderson explicó que los niveles de investigación interdiscipli-naria no pueden caracterizarse completamente debido a las diferen-cias en cómo se mide la interdisciplinariedad entre disciplinas.

Anderson luego utilizó la Encuesta de Investigación y Desarro-llo Empresarial (BERD) para explicar los éxitos que tuvo NCSES al analizar datos sobre temas que se ajustan a sus definiciones de in-vestigación interdisciplinaria o de convergencia. La Encuesta BERD, anteriormente denominada Encuesta de Innovación en I + D empre-sarial (BRDIS), mantiene el uso de definiciones, pero específicas de un campo como la biotecnología o la nanotecnología. Siguiendo la guía proporcionada en el Manual de Frascati, la encuesta permite que NCSES produzca datos internacionalmente comparables para estimar el número de empresas involucradas en investigación inter-disciplinaria o convergente.

La encuesta BERD midió con éxito la convergencia dentro de la biotecnología y la nanotecnología, pero no para la inteligencia ar-tificial (IA). La iteración inicial de la encuesta generó inquietudes sobre la calidad de los datos de IA, que podrían derivarse de las defi-niciones proporcionadas, el mantenimiento de registros imperfecto de los encuestados u otro factor. NCSES está trabajando en colabo-ración con la Oficina del Censo para identificar la fuente de estos problemas de calidad de los datos.

Anderson también describió los hallazgos de la Encuesta NCSES de los Doctorados Obtenidos (SED). Un item de la encuesta pregun-tó directamente a los encuestados si sus disertaciones se basaban en una investigación interdisciplinaria. En caso afirmativo, la encuesta pidió a los encuestados que identificaran el campo principal y hasta tres campos adicionales involucrados en su investigación. Usando el Manual de Frascati y una serie de 20 años de datos de encuestas de doctorados obtenidos, Anderson está construyendo una medida de interdisciplinariedad basada en taxonomías existentes en el campo.


30

Desde 2001, del 24 al 45 por ciento de los encuestados indicaron que al menos dos campos están incluidos en la investigación de su tesis.

Además de las taxonomías y las revisiones de encuestas, Ander-son investigó datos bibliométricos y el desarrollo de indicadores para la interdisciplinariedad. Los intentos de desarrollar indicadores en 2010 se basaron únicamente en bibliometría y resultaron insatisfac-torios para fines de gestión y políticas.2 El esfuerzo arrojó resultados inconsistentes y, por lo tanto, se consideró prematuro.

Anderson describió sus conclusiones sobre la capacidad actualizada de NCSES para producir indicadores y medidas de entradas, salidas y procesos involucrados en la investigación de convergencia. Comenzó con una advertencia de que los investigadores probablemente encon-trarán que los encuestados tienen definiciones y experiencias con la convergencia que difieren de las suyas. Enfatizó que la transición de articular una buena definición de convergencia a operacionalizar una definición estadística de convergencia es, por lo tanto, difícil.

Anderson afirmó que ciertos temas de investigación de la conver-gencia se pueden medir con éxito, como lo demuestra una década de investigación, y que los impactos de la investigación interdiscipli-naria pueden tener mayor importancia para la sociedad que para la comunidad científica. El ejemplo más exitoso es la encuesta BERD sobre biotecnología y nanotecnología, posiblemente dos temas par-ticulares que cumplen con la definición de investigación convergen-te. Además, como se recomendó en un taller anterior patrocinado por NCSES, es posible implementar enfoques híbridos que combi-nen definiciones de arriba hacia abajo con enfoques de abajo ha-cia arriba, como el modelado de temas. Este enfoque híbrido puede identificar con éxito actividades convergentes dentro de ciertas áreas prioritarias o temas de interés. Como punto culminante, Anderson hizo referencia a una asociación con investigadores de la Universi-dad de Virginia, quienes aprovecharon las estrategias de modelado de temas para investigar pandemias, con un enfoque particular en temas relacionados con COVID-19. Al extraer datos recientes de Fe-deral RePORTER anteriores a 2020, el grupo ha podido detectar

2 Junta Nacional de Ciencias. (2010)


31

tendencias emergentes con respecto a la investigación de pandemias y coronavirus y rastrear temas utilizando un enfoque convergente. Anderson también encontró que la construcción de medidas de con-vergencia a partir de taxonomías existentes puede ser la más exitosa en el contexto de la investigación de encuestas.

En resumen, el NCSES considera que los esfuerzos para medir las actividades de investigación de convergencia son un tema importan-te, y se han logrado éxitos a través de encuestas de establecimientos como BERD y aprovechando las taxonomías existentes como se ha hecho en las encuestas actuales de estadísticas de recursos humanos de NCSES. Además, los enfoques híbridos (de arriba hacia abajo / de abajo hacia arriba) pueden ofrecer un camino potencial hacia el desarrollo de nuevos enfoques de medición.

Discusión

Nora Cate Schaeffer (Universidad de Wisconsin-Madison) le pre-guntó a Anderson por qué las preocupaciones sobre la calidad de los datos solo se atribuían a la IA y no a la nanotecnología y la biotecno-logía. Basado en datos administrativos y fuentes adicionales, el equi-po de investigación de Anderson sospechó que algunos encuestados que informaron que estaban trabajando en IA no estaban involu-crados en un trabajo que el equipo consideraba IA. John Jankowski (NCSES) agregó que la nanotecnología y la biotecnología también plantearon problemas de calidad de los datos inicialmente, pero las definiciones se mejoraron con el tiempo y las recopilaciones de da-tos sucesivas fueron más consistentes. Jankowski tiene la esperanza de que las iteraciones posteriores, incluida la inteligencia artificial, produzcan datos de mayor calidad.

Entwisle y Ben Jones (Northwestern University) preguntaron si el NCSES está rastreando información sobre la diversidad en la empresa de I + D. Anderson respondió que NCSES intenta medir la diversidad en la empresa de Ciencia e Ingeniería, sin embargo, no está claro si las medidas de diversidad existentes pueden capturar la interdisciplina-riedad o la convergencia. Anderson también aclaró que NCSES realiza


32

encuestas de empresas (universidades, agencias gubernamentales, co-mercios) en lugar de proyectos de investigación individuales. Emilda Rivers (NCSES) comentó que el seguimiento a nivel de proyecto po-dría involucrar la recopilación de datos tanto cualitativos como cuan-titativos, que pueden ser difíciles de generalizar para una audiencia nacional. Señaló que medir el impacto de la convergencia en la di-versidad y en las formas de aprendizaje en las instituciones educativas puede hablar de la Ley de Fundamentos para la Elaboración de Polí-ticas Basadas en Evidencia de 2018 (Ley de Evidencia para abreviar),3 que requiere la formulación de políticas basadas en evidencia. Rivers señaló que NCSES explora estos impactos de la convergencia princi-palmente a nivel regional y ofrece información a nivel nacional solo para ayudar al usuario a navegar por los datos regionales.

Entwisle aclaró que, como vicerrectora de investigación, tenía que agregar datos a nivel de proyecto para responder a una encuesta HERD. Jankowski confirmó que las encuestas BERD y HERD agre-gan datos a nivel de proyecto que se agregan luego a nivel nacional. Señaló que se han agregado preguntas adicionales con respecto a la información demográfica a la encuesta BERD, pero, aunque la en-cuesta hace preguntas sobre características sociodemográficas (sexo, nivel educativo), muchos encuestados no proporcionan el nivel de datos que requieren muchos investigadores.

Joshua Schnell (Clarivate) preguntó si NCSES ha explorado el as-pecto de la convergencia orientado a problemas a través del análisis de datos bibliométricos. Anderson remitió esta pregunta a Beethika Khan (NCSES), quien declaró que no se había realizado tal inves-tigación. Esa investigación requeriría una comprensión más pro-funda del problema o pregunta de investigación de la que aborda-ría un análisis de este tipo. Sin embargo, explicó que NCSES está intentando vincular los datos bibliométricos de las revistas con los datos del SED para facilitar un análisis demográfico más profundo de las publicaciones. Los datos proporcionados actualmente por los administradores de revistas no permiten tal análisis demográfico.

3 EE. UU. Congreso, Cámara de Representantes. (2018). Ley de Fundamentos para la Ela-boración de Políticas Basadas en Evidencia de 2018 para acompañar al H.R.4174. 115º Congreso, 1ª sesión, págs. 115–411.


33

Respondiendo a una pregunta de seguimiento, Khan dijo que el proceso de vinculación de datos está en curso, por lo que no todos los datos están completamente disponibles para la National Science Foundation (NSF). Se ofreció a conectar a los investigadores inte-resados con sus colegas estadísticos para obtener más información. Khan agregó que los datos bibliométricos le permiten a su equipo ver las formas en que los países se especializan en una disciplina o un tema y los tipos de colaboraciones que se están llevando a cabo, incluidas las colaboraciones internacionales y sus ubicaciones. Tam-bién se pueden medir los niveles de colaboración entre instituciones académicas y empresas.

Jankowski comentó sobre su esperanza de avanzar desde este ta-ller con experimentación adicional con el modelado de temas a tra-vés del procesamiento en lenguaje natural de la documentación de la subvención (en parte a través de una asociación con la Universidad de Virginia). Sugirió que estos métodos analíticos pueden revelar más acerca de la convergencia de lo que probablemente lo haría un instrumento de encuesta.

Khargonekar preguntó si el modelado de temas es capaz de dis-tinguir entre problemas o si toda la investigación orientada a pro-blemas se combina, independientemente del tema, en los análisis de NSF. Jankowski respondió que NCSES comenzó generando térmi-nos de búsqueda relevantes agrupados en temas generales que caen bajo la rúbrica de un problema seleccionado. El siguiente paso es automatizar este proceso para permitir que la máquina identifique subtemas. Anderson agregó que el equipo de investigación todavía está aprendiendo cómo automatizar el etiquetado de la orientación de los grupos hacia problemas, técnicas y otros enfoques.

Rivers cerró la sesión expresando su gratitud a Anderson por la profundidad y amplitud de su presentación y agradeció a todos los participantes por su sólida participación y sus interesantes preguntas durante la discusión.

34

4. Conceptualizando la convergencia

Como introducción a su charla, Dan Stokols (Universidad de Ca-lifornia, Irvine) destacó cuatro informes de consenso producidos por las Academias Nacionales de Ciencias, Ingeniería y Medicina que de-muestran interés en todo el campo por comprender y promover la convergencia, la ciencia en equipo transdisciplinar y la intervención interdisciplinaria. Señaló que la convergencia y sus definiciones han se-guido evolucionando. Sus señas de identidad incluyen una profunda integración entre disciplinas, así como entre disciplinas académicas y fuera de la academia, capacidad de respuesta a problemas específicos y apremiantes como impulsores de la investigación, y la coproducción de conocimiento por parte de investigadores y diversos grupos de partes in-teresadas, muchos de los cuales se encuentran fuera de la academia. Los problemas que impulsan el interés en la convergencia podrían conside-rarse “problemas perversos”, un término acuñado por Rittell y Webber1

1 Rittel,H.W.yM.M. Webber. (1973). Dilemas en una teoría general de la planificación. Cien-cias de la política 4 (2): 155–169.

Conceptualizando la convergencia

35

para referirse a problemas entrelazados con múltiples causas para los cuales no existen entidades claramente establecidas responsables de en-contrar soluciones. Algunos de los desafíos globales del siglo XXI que cumplen con esta definición y han estado impulsando el interés en la convergencia incluyen el medio ambiente, la salud pública, la tecnología y los desafíos socioculturales. Cada uno de estos ejemplos también po-dría considerarse un “problema súper perverso”, un término acuñado por Levin y sus colegas2 en 2012 para describir problemas perversos que requieren soluciones urgentes (como el cambio climático y COVID-19).

La comparación entre dos informes de las Academias Nacionales, el informe de 2014, consenso sobre la convergencia3 y las actas de los talleres de 2019,4 revela que las concepciones de la convergencia están cambiando. Durante esos 5 años, el alcance del trabajo inter-disciplinario y transepistémico se amplió para abarcar no solo los campos STEM sino también las artes, las humanidades y los grupos de interés más allá de la academia. Los investigadores comenzaron a enfatizar la integración de los aspectos atinentes a las herramien-tas de la colaboración y la convergencia transdisciplinarias. También comenzaron a considerar explícitamente estrategias para crear una cultura de convergencia, así como una interacción entre el pensa-miento divergente y convergente en las organizaciones de investiga-ción, agencias y campus universitarios. Finalmente, Stokols señaló preguntas emergentes sobre el impacto de las fuerzas macrosocie-tales (puntos de vista anticientíficos, la pandemia de COVID-19) sobre la convergencia, preguntas tales cómo la convergencia puede continuar mientras las restricciones de COVID-19 obstaculizan las oportunidades normales de colaboración.

Stokols presentó un modelo de ecosistema de convergencia que si-túa las facetas clave de la convergencia dentro de zonas concéntricas.

2 Levin,K.,B.Cashore, S. Bernstein y col. (2012). Superar la tragedia de los problemas súper malvados: restringir nuestro yo futuro para mejorar el cambio climático global. Ciencias de la política 45: 123-152. doi: 10.1007 / s11077-012-9151-0.

3 Consejo Nacional de Investigaciones. (2014). Convergencia: facilitar la integración trans-disciplinaria de las ciencias biológicas, las ciencias físicas, la ingeniería y más. Washington, DC: The National Academies Press. doi: 10.17226.18722.

4 Academias Nacionales de Ciencias, Ingeniería y Medicina. (2019). Fomento de la cultura de la convergencia en la investigación: actas de un taller. Washington, DC: The National Academies Press. doi: 10.17226 / 25271.


36

En el centro hay miembros individuales del equipo, que se encuen-tran en un entorno físico socioespacial inmediato, como un labora-torio. Estos niveles están incorporados en un sistema de varios equi-pos, como un campus universitario. Luego, cada nivel se ve afectado por influencias a gran escala, como las políticas de investigación na-cionales y los grupos interesados. La convergencia se puede apoyar en cada nivel del ecosistema. En los niveles del entorno inmediato del individuo y del equipo, es fundamental cultivar competencias co-laborativas e integradoras. Los apoyos específicos del equipo pueden incluir recursos tecnológicos y ambientales. El apoyo a nivel de siste-ma puede incluir incentivos institucionales para asociaciones inter-disciplinarias, como subvenciones iniciales, distribución de créditos y criterios de promoción y tenencia que reconocen la importancia de la investigación colaborativa. A nivel macro, los eventos sociales, las políticas nacionales de investigación y el financiamiento de agencias y fundaciones pueden tener un impacto positivo o negativo en las oportunidades de convergencia. Stokols señaló que cuestiones socia-les y culturales como la opinión pública sobre el valor de la ciencia también pueden afectar las oportunidades de convergencia, pero han recibido menos atención en la literatura. (Los niveles, indivi-dual, de equipo e institucional son los principales focos del informe de 2015 Mejora de la eficacia de la ciencia en equipo.)5

Stokols explicó que el informe de 2015 define el campo de la cien-cia de equipos como un campo interdisciplinario que se ocupa de comprender y gestionar las circunstancias que facilitan o dificultan la eficacia de la investigación, la formación y las iniciativas transdis-ciplinarias de traslación. La literatura sobre ciencia en equipo ha crecido significativamente desde 2006 y proporciona una amplia caja de herramientas de estrategias prácticas para mejorar la efectividad de la investigación colaborativa. Al considerar la medición, la cien-cia en equipo ofrece estrategias para evaluar contribuciones tanto interdisciplinarias como transdisciplinarias. Cuando se utilizan me-didas bibliométricas para medir la productividad y el impacto del equipo, generalmente se necesitan datos cualitativos suplementarios

5 Consejo Nacional de Investigaciones. (2015). Mejora de la eficacia de la ciencia en equipo. Washington, DC: The National Academies Press. doi: 10.17226 / 19007.


37

para comprender el impacto catalítico de las ideas generadas por los equipos de investigación. Un equipo puede producir muchos resulta-dos bibliométricos, por ejemplo, pero la importancia incremental de cada publicación puede ser baja en comparación con la importancia de una publicación innovadora. Las contribuciones académicas in-terdisciplinarias y transdisciplinarias pueden representar categorías algo diferentes de convergencia en el sentido de que las colabora-ciones transdisciplinarias, por definición, implican una integración más profunda en múltiples campos y avances más novedosos o catalí-ticos. Es necesario considerar una amplia gama de matices y medidas al medir diferentes formas de investigación convergente. El campo de la erudición y la práctica colaborativas transdisciplinarias propor-ciona una variedad de herramientas y métricas para medir las dife-rentes facetas del ecosistema de convergencia.

Stokols enumeró varios recursos de práctica para la ciencia en equi-po, como el kit de herramientas de ciencia en equipo del Instituto Na-cional del Cáncer (NCI) de los Institutos Nacionales de Salud (NIH). La Universidad de California, Irvine (UCI) considera que la “beca de equipo” incluye campos fuera de STEM y proporciona recursos a tra-vés de su Laboratorio de aceleración de becas de equipo. La Guía de Campo del NIH NCI dirigida por Michelle Bennet y sus colegas es un conjunto de herramientas prácticas que proporciona estrategias para una colaboración eficaz en entornos de investigación en equipo. La Universidad Estatal de Michigan desarrolló la Iniciativa Toolbox Dialogue, cuyo objetivo es salvar las diferencias filosóficas que pueden surgir entre los miembros del equipo de investigación. Finalmente, la Caja de Herramientas de las Academias de Artes y Ciencias de Suiza aborda una serie de estrategias para avanzar y medir la coproducción de conocimiento dentro y más allá de la Academia.

Stokols describió dos facetas importantes de la colaboración y la convergencia interdisciplinarias: (1) fomentar la sinergia intelectual y la diversidad de pensamiento, y (2) promover una integración social de equipos y centros de investigación que resulte en una coordinación mutua en varias fases. El campo debe considerar cómo promover cada una de estas facetas en el contexto de las fuerzas macrosociales que afectan los problemas que los investigadores pretenden resolver. Antes


38

de la pandemia de COVID-19, por ejemplo, los profesionales enten-dían que la proximidad y los apoyos ambientales eran necesarios para la colaboración interpersonal. Stokols planteó una pregunta: ¿Cómo afectará la reducción de la co-ubicación durante la era COVID-19 a la capacidad convergente entre los equipos de investigación y los centros, y ¿qué nuevas competencias de investigación convergente serán impe-rativas para la realización de la investigación? Además, se debe prestar atención a los posibles efectos sobre la formación en convergencia que pueden haber cambiado durante la pandemia.

Stokols continuó proporcionando ejemplos de apoyos ambientales para la convergencia. Estimuló los ejercicios de lluvia de ideas que in-centivan el pensamiento divergente, los que se pueden adaptar para su uso en línea. Aunque algunos aspectos de la investigación conver-gente pueden adaptarse a entornos remotos, Jason Owen-Smith y sus colegas encuentran que la ubicación conjunta en el mismo edificio y las zonas de actividad superpuestas (salas de café, áreas de descan-so) contribuyen a la probabilidad de una colaboración eficaz y de subdivisiones interdisciplinarias. Los equipos y centros de investiga-ción a menudo destacan y comparten sus identidades colaborativas en espacios compartidos mediante la publicación de fotografías de los miembros del equipo, carteles de conferencias y certificados de premios colaborativos. El uso de espacios físicos compartidos para comunicar valores colectivos refuerza la colaboración y los compor-tamientos convergentes. La disponibilidad reducida de espacios compartidos y reuniones presenciales debe considerarse a medida que los científicos del equipo se adaptan a la pandemia, durante la cual la colaboración remota se ha vuelto cada vez más común.

Stokols describió cuatro competencias básicas que la formación en convergencia busca producir. La convergencia debe ser transdis-ciplinaria, basada en equipos, traslacional y transcultural. Una com-petencia normativa inculcada en las personas que se dedican a la coproducción de conocimiento y el trabajo traslacional orienta la asignación de recursos y esfuerzos. La coproducción de conocimien-to puede ser particularmente compleja en las colaboraciones inter-nacionales, ya que las diferencias políticas y culturales adicionales pueden inhibir la convergencia.


39

Para cerrar la presentación, Stokols pidió a los asistentes que consi-deraran los primeros cuatro informes de consenso de las Academias Nacionales sobre la convergencia: Facilitando la Investigación Inter-disciplinaria6 (2005); Facilitar la integración transdisciplinaria de las ciencias de la vida, las ciencias físicas, la ingeniería y más (2014); Mejora de la eficacia de la ciencia en equipo (2015); y Fomento de la cultura de la convergencia en la investigación (2019). Aconsejó a los asistentes que consideren qué preguntas les gustaría que se explora-ran en el próximo informe: ¿Habrá definiciones y criterios estándar o dependientes del contexto para la convergencia? ¿Surgirá una ti-pología de convergencia donde algunas formas pueden incluir una coproducción de conocimiento entre socios académicos y no acadé-micos? ¿Cómo cambiarán las competencias para la convergencia en la era COVID-19? Finalmente, ¿podemos trascender las limitaciones espaciales, socioculturales y geopolíticas de la convergencia?

Discusión

Klein preguntó cómo el trabajo de Stokols informa la tensión entre apertura y cierre, y qué implicaciones podrían derivarse de la definición de convergencia del Comité Directivo. Stokols sugirió que si la convergencia se ve como un concepto general que abarca la interdisciplinariedad, la transdisciplinariedad, los compromisos comunitarios y la coproducción de conocimiento, entonces la crea-ción de una medida global y estandarizada de convergencia de la variedad cuantitativa o cualitativa será un desafío. Una taxonomía de la convergencia puede ser más realista y se pueden enfatizar cier-tas facetas de la convergencia dentro de diferentes iniciativas de in-vestigación o colaboraciones. La convergencia implica varias dimen-siones interrelacionadas, y Stokols destacó la dificultad inherente a la imposición de una definición estándar única. Dentro de un solo equipo de investigación, la medida de los productos cambiará según

6 Academia Nacional de Ciencias, Academia Nacional de Ingeniería e Instituto de Medicina. (2005). Facilitar la investigación interdisciplinaria. Washington, DC: The National Acade-mies Press. doi: 10.17226 / 11153.


40

la fase de investigación. En la fase inicial, los investigadores se en-focan en crear nuevas ideas y procesos colaborativos, por lo que los resultados bibliométricos y de otro tipo son escasos. En los posterio-res años de la colaboración, los investigadores comienzan a generar productos, pero la cantidad y el momento de los mismos varían según los diferentes tipos de equipos. Los equipos académicos, por ejemplo, pueden buscar nuevos conocimientos, cuyo valor depende del análisis y la evaluación cualitativos. Este tipo de producción difiere sustancialmente de la de un equipo de producción o corpo-rativo. A menudo es más difícil y lleva más tiempo medir la novedad y el valor de los resultados intelectuales creados por los equipos acadé-micos que evaluar la cantidad o utilidad de los productos generados por equipos no académicos.

Holbrook preguntó si una pluralidad de definiciones complica las perspectivas de medición. Stokols respondió que medir un fenómeno complejo requiere confrontar e identificar sus dimensiones. En su opi-nión, se deben medir las diversas facetas de la convergencia en múlti-ples niveles, un enfoque que es facilitado por el modelo de ecosistema.

Erin Leahey (Universidad de Arizona) preguntó acerca de la re-lación entre la diversidad y la diferencia entre el pensamiento di-vergente y convergente. Stokols cree que los dos temas están estre-chamente relacionados. Para ser productivo, eficaz y creativo, un equipo de investigación debe primero aprovechar la diversidad de pensamiento dentro de sí mismo. Los equipos y centros de investi-gación pueden estar preocupados por obtener y renovar fondos y, por lo tanto, pueden no asignar el tiempo adecuado para la lluvia de ideas y el pensamiento divergente. Stokols enfatizó que este tipo de trabajo debería existir en un intercambio dialéctico continuo con otros componentes del pensamiento convergente, como los esfuerzos para integrar campos reuniendo grupos de investigación para enfa-tizar un terreno común. Refiriéndose a la pregunta de Klein sobre cómo navegar por la relación entre la diversidad y las diferencias entre el pensamiento divergente y convergente, Stokols sugirió que la variedad de categorías de diversidad (habilidades, conocimiento y cultura) mejoran la diversidad de pensar. La correspondencia entre la diversidad de la composición de un equipo y la divergencia de las


41

ideas que produce pueden no ser una a una, pero están correlacio-nadas positivamente, siempre que la diversidad del equipo se maneje de manera efectiva para evitar fisuras (o “fallas”) que pueden desa-rrollarse entre los miembros del equipo de diferentes antecedentes.

Khargonekar preguntó si las lecciones aprendidas de la medición de ecosistemas podrían informar las deliberaciones del Comité Directivo sobre cómo hacer avanzar la investigación de la convergencia. Stokols sugirió que el pensamiento sistemático en múltiples escalas es una com-petencia central para el trabajo convergente. Hay muchas metodologías disponibles para la medición de ecosistemas, pero una discusión más completa, dijo, queda fuera del alcance de este taller de convergencia.

Entwisle pidió a Stokols que imaginara una tipología potencial de convergencia. Stokols explicó que tal tipología tendría muchas dimensiones organizativas, como la medida en que los campos aca-démicos y las culturas no académicas están involucrados en la co-producción del conocimiento; la cuestión de si el resultado deseado se relaciona con la formulación de políticas, un producto médico o el conocimiento científico; y el potencial de aplicabilidad a corto o largo plazo. Algunos trabajos convergentes pueden tener resultados que se traduzcan inmediatamente en políticas, mientras que otras investigaciones pueden ser intelectualmente novedosas y catalizado-ras, pero no tener implicaciones políticas inmediatas.

42

5. Convergencia en la práctica

El panel de discusión resumido en esta sección reunió a expertos que han estudiado y supervisado colaboraciones en una variedad de entornos y pueden brindar sus perspectivas sobre lo que el Centro Nacional de Estadísticas de Ciencia e Ingeniería (NCSES) puede me-dir de manera útil. Lora Weiss (Universidad Estatal de Pensilvania), la primera panelista, discutió algunas implicaciones de la convergen-cia. Para reconocer y recordar a otros la importancia de continuar el trabajo en tecnologías de convergencia, comenzó citando el infor-me de la Estrategia Nacional para Tecnologías Críticas y Emergentes (C&ET) de octubre de 2020, que afirmaba que “de hecho, se pro-ducen muchos avances tecnológicos en la intersección de dos o más tecnologías dispares”,1 La Estrategia Nacional para C&ET enfatizó el trabajo interdisciplinario y la necesidad de asociaciones académicas, públicas y privadas para abordar los desafíos sociales.

1 La Casa Blanca. (2020). Estrategia Nacional de Tecnologías Críticas y Emergentes. Disponible: https://www.whitehouse.gov/wp-content/uploads/2020/10/National-Strategy-for-CET.pdf.

Convergencia en la práctica

43

El Journal of Higher Education publicó recientemente un artículo2 cuestionando si las iniciativas de contratación en las instituciones de investigación de EE. UU que se centran en grupos interdisciplinarios representan un ideal en lugar de generar relaciones de colaboración reales. Al comentar el hecho de que los autores destacan a Penn Sta-te como una institución ejemplar, Weiss explicó que los institutos de investigación interdisciplinarios en Penn State se establecieron sobre la base de asociaciones existentes y genuinas entre los líderes y los de-canos de institutos interdisciplinarios de colegios académicos, todos los cuales compartían expectativas y una visión para el centro. Esta perspectiva compartida, señaló Weiss, es crucial: si los investigadores permanecen dentro de una sola disciplina, el trabajo interdisciplina-rio no puede funcionar.

Los directores de instituto son, además, los mejores académicos en su área de especialización, lo que ayuda en el reclutamiento de empleados junior. Es más probable que los investigadores entrantes estén interesados en el trabajo interdisciplinario cuando saben que el director ha experimentado el proceso de acceso a la titularidad y comprende las experiencias de los profesores jóvenes y que dicho trabajo no perjudicará sus trayectorias de promoción.

Cada una de las principales instalaciones de investigación de Penn State está integrada por profesionales de la investigación, lo que cons-tituye un componente importante del éxito de la institución. Este personal dedicado permite a los investigadores concentrarse en su investigación en lugar de ser absorbidos por actividades como el man-tenimiento y la operación de equipos. El elemento final del éxito de Penn State son sus subvenciones iniciales. La universidad invierte en colaboraciones de alto riesgo y grandes beneficios que llevan la in-vestigación en nuevas direcciones y ayudan a fomentar nuevas asocia-ciones. Aproximadamente la mitad de los proyectos que reciben sub-venciones iniciales de Penn State reciben financiación externa. Weiss advirtió que si esta proporción se acerca al 100 por ciento, indicaría que los proyectos respaldados no están asumiendo suficientes riesgos.

2 Bloom, Q., M. Curran y S. Brint. (2020). Iniciativa de contratación de clústeres interdisci-plinarios en universidades de investigación de EE. UU.: ¿Más paja que ladrillos? The Journal of Higher Education 91 (5): 755–780. doi: 10.1080 / 00221546.2019.1688615.


44

Para demostrar el grado de colaboración interdisciplinaria en Penn State, Weiss presentó un diagrama que muestra todas las cola-boraciones internas de Penn State (que abarcan 24 campus y otras extensiones) que han generado al menos 15 publicaciones compar-tidas. Las asociaciones externas de la universidad amplían aún más sus colaboraciones y permiten que florezcan diversas perspectivas a través de interacciones y relaciones que Weiss y sus colegas perfeccio-nan constantemente.

En su charla, Peter Schiffer (Universidad de Yale) habló sobre las estructuras administrativas y los incentivos que fomentan la conver-gencia. Señaló que las medidas de los resultados de la convergencia son difíciles porque intentan medir ideas e impactos completamen-te nuevos, lo que requiere que los investigadores trabajen para me-dir las cosas casi antes de que existan. Por otro lado, observó que la convergencia se puede fomentar cuando la cultura institucional lo permite, lo que depende de sus estructuras administrativas, políticas e incentivos. Por lo tanto, las estructuras y los incentivos dentro de una institución pueden ser analizados para proporcionar informa-ción indirecta sobre si una institución está creando un entorno para promover y apoyar la convergencia.

Schiffer describió algunas estructuras administrativas específicas que crean ese entorno. En primer lugar, el apoyo a la diversidad, la equidad y la inclusión en la investigación es fundamental porque los equipos diversos producen mejores resultados, especialmente en áreas que no representan una disciplina única y bien definida. También son importantes las grandes instituciones y centros que residen fuera de los centros disciplinarios y permiten a las personas colaborar entre discipli-nas. Las colaboraciones se pueden promover aún más a través de even-tos en todo el campus, charlas o sesiones de investigación que reúnen de manera informal a investigadores de diferentes campos y facilitan la interacción social y profesional. Schiffer reiteró la observación de Weiss de que las instalaciones principales con personal profesional y adminis-tración centralizada facilitan que las personas se reúnan y colaboren utilizando los mismos instrumentos para desarrollar nuevas ideas.

Los mecanismos de financiación también son importantes. Un me-canismo crítico es un sistema de contabilidad que administra fondos


45

de manera efectiva en múltiples unidades. Si una sola persona en un departamento controla todos los fondos, los equipos interdisciplina-rios pueden tener dificultades para trabajar en colaboración. De ma-nera similar, las universidades pueden ayudar a construir un brazo de recaudación de fondos para el trabajo transdisciplinario que puede ayudar a iniciar o sembrar nuevos proyectos. La recaudación de fon-dos tradicional de la universidad está mal equipada para este trabajo porque se organiza en torno a los ex alumnos. Los esfuerzos conver-gentes transdisciplinarios generalmente no tienen alumnos porque no otorgan títulos y son relativamente nuevos. El movimiento hacia la convergencia se facilita ofreciendo títulos interdisciplinarios a los estudiantes. Los programas de grado pueden unir a los estudiantes en disciplinas más allá de las conexiones obvias entre biología y química o entre física y matemáticas. Los estudiantes también pueden crear puentes que unan a los profesores en todas las disciplinas.

Más allá de la estructura, Schiffer esbozó políticas que apoyan la investigación convergente. Las políticas de titularidad y promoción son un caso particularmente difícil porque la mayoría de las univer-sidades dependen de revisores externos seleccionados por su expe-riencia disciplinaria. El trabajo convergente puede reconocerse me-diante políticas explícitas en el proceso de titularidad y promoción. Los estudiantes de posgrado deben poder trabajar con diferentes o múltiples asesores, independientemente de su departamento de ad-misión. Los estudiantes de posdoctorado y los científicos investiga-dores también deberían poder ocupar puestos que crucen unidades. Las políticas de financiación interna también pueden respaldar la investigación convergente al garantizar que las personas no se vean obligadas a competir entre sí por cosas como fondos de incentivo para la investigación asociados con reembolsos de costos indirectos, sino que sean recompensados cuando se llevan a cabo actividades convergentes. Finalmente, Schiffer abordó los incentivos, particu-larmente para los miembros de la facultad. Si los fondos internos, generosos y estables apoyan la investigación convergente, el profeso-rado buscará oportunidades de investigación convergente. Ofrecer fondos discrecionales de la facultad para investigar sus ideas más recientes brindará a los investigadores creativos la oportunidad


46

de probar cosas nuevas de una manera que no sea dictada direc-tamente por un decano o director de departamento. También es importante contar con personal dedicado a ayudar en la redacción de propuestas y la gestión de subvenciones. Las actividades de re-laciones públicas que celebran el cruce productivo de las fronteras disciplinarias también pueden incentivar a los investigadores, espe-cialmente cuando los investigadores participantes son reconocidos en lugar de solo los departamentos específicos.

Schiffer terminó su charla agregando algunas advertencias a sus sugerencias. Primero, la investigación sobre las ideas presentadas con-tinúa evolucionando y debe estudiarse a lo largo del tiempo. Incluso las ideas exitosas necesitan una cultura institucional de apoyo para florecer. Si el liderazgo no apoya la investigación convergente, ésta no sucederá independientemente de los incentivos, las estructuras y las políticas. Reconoció que muchas de sus sugerencias están dirigidas a instituciones más grandes y a instituciones individuales. Es posible que se requieran enfoques adaptados para las escuelas más pequeñas y una medida de convergencia interinstitucional puede ser necesaria para captar las actividades que ocurren en todas las instituciones. Fi-nalmente, Schiffer advirtió que no todas las investigaciones deberían ser convergentes. La convergencia depende de los avances disciplina-rios, y los incentivos y las políticas que promueven la convergencia no deben poner en desventaja a los investigadores que trabajan mejor dentro de su disciplina específica y cuyo trabajo puede conducir en última instancia a un avance disciplinario o un esfuerzo convergente.

Dan Gallahan (Instituto Nacional del Cáncer) abrió diciendo que este taller ha subrayado la importancia de comprender cómo hace-mos ciencia. Como financiador de la ciencia en la División de Bio-logía del Cáncer del Instituto Nacional del Cáncer (NCI), ha visto pasar miles de millones de dólares hacia la investigación básica del cáncer en su oficina. En varios momentos, ha utilizado todos los dife-rentes términos hablados durante el taller: ciencia en equipo, ciencia integrada, interdisciplinar, transdisciplinar y otros. Desafortunada-mente, muchos de los esfuerzos de investigación lanzados antes de que estos términos estuvieran completamente definidos y, aunque están relacionados, difieren en su significado.


47

Sobre la base de su experiencia en la investigación del cáncer, señaló que varios aspectos de la convergencia en la ciencia se relacio-nan con el cáncer y nuestra comprensión científica del mismo. Ga-llahan dijo que la incidencia del cáncer y las tasas de mortalidad se han mantenido estables. Hace unos 20 años, el NCI se dio cuenta de que muchos de sus esfuerzos no tenían ni abordaban la misma visión del cáncer que otras comunidades de investigación. Se necesitaban nuevos enfoques para la investigación del cáncer que incentivaran la incorporación de las ideas de convergencia, ciencias de equipo y bio-logía integradora en la investigación actual. Estos enfoques aumen-tan la variedad de perspectivas y habilidades disponibles para su uso en la investigación de imágenes y las diferentes escalas involucradas en la investigación del cáncer.

Gallahan declaró que el NCI ha establecido dos programas para ampliar las perspectivas sobre el cáncer: la Red de Oncología de Ciencias Físicas y el Consorcio de Biología de Sistemas de Cáncer. Gallahan explicó que se pueden unir múltiples puntos de vista a tra-vés de una combinación de conocimiento mejorado sobre un tema y habilidades eficientes para la resolución de problemas. Para comen-zar este trabajo, el NCI convocó reuniones de investigadores, físicos, ingenieros y matemáticos para compartir sus perspectivas sobre los complejos problemas que existen en la investigación del cáncer y las formas en que estos problemas pueden abordarse. El objetivo de la Red de Oncología de Ciencias Físicas es identificar nuevas formas de ver estos problemas en lugar de resolverlos directamente. El Cancer Systems Biology Consortium reúne a un conjunto diferente de comu-nidades que se enfocan en enfoques computacionales para mejorar la comprensión del desarrollo del cáncer y modelar la respuesta in-mune del cuerpo a las células cancerosas.

Este objetivo requiere aportes y experiencia en modelado y biolo-gía computacional, así como en tecnología.

Ambos programas tuvieron mucho éxito más allá de las medidas bi-bliométricas estándar de producción. Cada proyecto involucró a cientí-ficos de múltiples disciplinas y requirió (según los requisitos de la pro-puesta) un componente educativo y de divulgación. Se capacitó a los investigadores para asegurarse de que poseían el vocabulario necesario


48

para comunicarse entre disciplinas. Cada programa también aseguró que una nueva generación de investigadores ingresara al campo.

Gallahan enfatizó la necesidad de una evaluación crítica de los programas para determinar su éxito y direcciones futuras a través de la participación de un panel de expertos externos y una amplia recopilación de datos cuantitativos y cualitativos. La evaluación debe considerar la diversidad de publicaciones, la medida en que los in-vestigadores principales representan múltiples disciplinas, el uso de nueva terminología y nuevas solicitudes de subvenciones (incorpo-rando nuevos investigadores con solicitudes en nuevas áreas). Otra medida de éxito podría ser el desarrollo de nuevos programas, como la difusión del modelado computacional en los Institutos Nacionales de Salud (NIH), que era casi inexistente en los NIH hace solo 10 años. Gallahan se siente alentado por la formación que se ha desa-rrollado para los investigadores jóvenes y la alta calidad de la colabo-ración interdisciplinaria de esos nuevos investigadores.

Maryann Feldman (Universidad de Carolina del Norte en Chapel Hill) fue la panelista final de la sesión y utilizó su tiempo para repre-sentar la investigación realizada por un grupo de académicos que an-tes se conocían como el Programa de Ciencia de la Ciencia y la Política de Innovación (SciSIP), y ahora reorganizado como Ciencia del Des-cubrimiento, Comunicación e Impacto de la Ciencia (SoS: DCI). El grupo busca comprender cómo el conocimiento se crea y se transfor-ma en productos social y económicamente útiles. La propia Feldman está más interesada en la dimensión espacial de esta obra, un interés que surge de su experiencia en geografía económica. La geografía económica en sí misma es un tema convergente que investiga la orga-nización espacial de la actividad económica, así como las relaciones complejas y los patrones de actividad emergentes dentro de un lugar.

Se está trabajando mucho en el surgimiento de nuevas discipli-nas académicas, variedades en las organizaciones y creación de in-dustrias completamente nuevas. La idea de ecosistema es clave para esta comprensión, e involucra el conjunto de instituciones y factores constituyentes que posibilitan la creatividad y la legitimidad. La cues-tión es la aparición de algo distinto y nuevo, incluso cuando combina otros tipos de experiencia existentes.


49

Feldman afirmó que la aparición de nuevas disciplinas y departa-mentos académicos es una clara señal de legitimidad. Una discipli-na académica requiere acreditación, que es un proceso profesional formalizado. El grupo de Feldman investigó el surgimiento de la ingeniería biomédica como una disciplina distinta, y los hallazgos preliminares sugieren que una universidad requiere una escuela de medicina sólida, así como una escuela de ingeniería, que combine estas fortalezas con la capacidad de obtener grandes subvenciones para la investigación. Desafortunadamente, si la universidad es un colegio o universidad históricamente negros (HBCU), entonces la probabilidad de que surja un departamento de ingeniería biomédica disminuye. La proximidad geográfica de la universidad a empresas que utilizan conocimientos biomédicos aumenta la probabilidad de creación de departamentos. Específicamente, la densidad de empre-sas de investigación dentro de un radio de 60 millas está directamen-te relacionada con la probabilidad de que una universidad agregue un nuevo departamento biomédico.

Las industrias emergentes también pueden ser rastreadas usando el esquema de categorización de tecnología usado por la Oficina de Patentes y Marcas Registradas de los Estados Unidos (USPTO). La USPTO clasifica las patentes y planea establecer una nueva clase de patentes para campos emergentes. La categorización permite a los investigadores ver qué empresas y universidades están desarrollando invenciones en un área y ubicación en particular.

Cerró sus comentarios expresando el estado de convergencia y las oportunidades que presenta. En la era COVID-19, una época ca-racterizada por un reconocimiento más amplio de los problemas so-ciales, las escuelas de negocios están considerando el momento para desviar las estrategias de las ganancias de los accionistas hacia las necesidades de las partes interesadas y los usuarios. Feldman destacó la importancia de los valores subyacentes, incluida la sustentabilidad y la justicia social.


50

Discusión

Klein preguntó si cada presentador podía relacionar sus pre-sentaciones y hallazgos con las presentaciones anteriores, particu-larmente las de Dan Stokols (Universidad de California, Irvine) y Gary Anderson (NCSES). Holbrook agregó una solicitud para que los panelistas aborden cómo su propia experiencia en la práctica de la convergencia podría informar una definición que podría ser utili-zada por NCSES.

Weiss dijo que sería ideal tener un lenguaje coherente para distin-guir entre los términos “interdisciplinario” y “convergencia”. La consis-tencia entre universidades será particularmente crítica ya que el pro-ceso de tenencia considera la convergencia. Penn State usa el término “interdisciplinario” en toda la institución. Todos los institutos interdis-ciplinarios comprenden profesores de varios departamentos, y la con-tratación se realiza en colaboración entre los institutos y los decanos universitarios. La práctica de la contratación conjunta permite que los departamentos obtengan miembros de la facultad para los avances disciplinarios, mientras que las nuevas contrataciones permiten que el instituto interdisciplinario amplíe su base de experiencia.

Gallahan estuvo de acuerdo en que una definición clara es útil al evaluar y comprender las métricas, pero no se siente obstaculizado por la falta de una definición clara en la actualidad. A medida que se alienta a los profesores a participar en la ciencia en equipo y el trabajo interdisciplinario, Gallahan dijo que podrían surgir desafíos a medida que los científicos jóvenes y los estudiantes postdoctorales avanzan en sus carreras. Estos científicos pueden ser parte de dife-rentes programas, pero pueden sentirse obligados a seguir una tra-yectoria más clásica para la publicación de trabajos como primeros autores de una manera estrecha para alinearse para la promoción. Gallahan dijo que los donantes deben reconocer que son parte del problema. Un investigador puede presentar un trabajo interdiscipli-nario impactante que, no obstante, puede ser difícil de justificar ante un comité de promoción a la titularidad tradicional.

Schiffer agregó que la definición depende del objetivo. ¿Por qué NCSES quiere una definición de convergencia? ¿Se utilizará la


51

medida para determinar si se está produciendo la convergencia o para medir el impacto de la investigación de la convergencia? Schi-ffer afirmó que pueden ser necesarias ligeras variaciones de la defi-nición, de las cuales se seguirían diferentes medidas.

Feldman señaló que NCSES proporciona datos que miden la investi-gación y el desarrollo (I + D) universitarios organizados por disciplina tradicional, pero aún no considera las actividades de los centros de in-vestigación y las contribuciones realizadas dentro de las universidades.

Holbrook se refirió a presentaciones anteriores que señalaron el deseo de medir la convergencia porque puede tener un mayor impac-to social, mientras que la investigación disciplinaria puede tener un impacto académico más significativo. Las diferentes prácticas y resul-tados de la convergencia pueden aportar soluciones a los problemas más urgentes de la sociedad, lo que constituye una motivación para medir la convergencia. El florecimiento de la erudición disciplinaria debe continuar, pero la convergencia debe ser el foco porque promete un mayor impacto social, que influirá en su definición, dijo Holbrook.

Gallahan le pidió a Holbrook que aclarara si se estaba refiriendo a medir qué tan bien la investigación de convergencia resolvió pro-blemas sociales en el pasado, o cuánta investigación de convergencia está ocurriendo actualmente dentro de una institución. Holbrook dijo que no conocía la respuesta exacta a esta pregunta, pero cree que la primera prioridad de NCSES debería ser la necesidad de com-prender si se puede medir la convergencia y, de ser así, cuál es la mejor manera de llevar a cabo la medición.

Weiss reiteró el punto anterior de Schiffer de que las disciplinas tradicionales de enfoque único no pueden ni deben ser olvidadas o descartadas, ya que la investigación interdisciplinaria depende de los avances dentro de estas disciplinas. También sostuvo que lo mejor de los campos disciplinarios confluyen y que la contribución de cada investigador debe ser reconocida. Gallahan estuvo de acuerdo en que los modos de reconocimiento podrían cambiar, pero preguntó quién en el mundo académico está prestando atención a estos cam-bios. Gallahan agregó que tales cambios pueden ser adecuados para los investigadores más experimentados que ya han establecido sus credenciales, pero los modos no convencionales de reconocimiento


52

podrían ser perjudiciales para los investigadores jóvenes y no titu-lados. La responsabilidad de reconocer las contribuciones interdis-ciplinarias recae tanto en las instituciones académicas como en las agencias de financiación. Gallahan abordó el equilibrio entre la investigación enfocada y los programas más interdisciplinarios. Él ve al NCI como una institución de gran peso en las subvenciones para proyectos (R01), por lo que proporciona medidas para ayudar a cuantificar el éxito del trabajo interdisciplinario futuro.

Feldman habló sobre tipologías, haciendo referencia al cuadrante de Pasteur.3 Esta clasificación distingue entre ciencia básica y aplica-da, teniendo los temas de investigación más fructíferos una orien-tación aplicada que agrega nuevos conocimientos. Utilizando a los emprendedores académicos como ejemplo, argumentó que los cien-tíficos académicos más productivos son aquellos que se relacionan con la actividad comercial que traduce su investigación en la prácti-ca. La academia atrae a estudiantes graduados creativos, pero luego los capacita dentro de una caja disciplinaria. En consecuencia, esta práctica puede provocar una posible disminución de la productivi-dad creativa de los recién graduados del doctorado.

Gallahan estuvo de acuerdo con Feldman y notó la creciente tensión entre la oferta y la demanda. En el NCI, las tasas de solicitud casi se han duplicado en los últimos 5 años. Si el presupuesto no coincide con esa tasa, las tasas de adjudicación se estabilizarán. Es necesario hacer consideraciones adicionales para la investigación colaborativa y el re-conocimiento bibliométrico. Es menos probable que los investigadores tengan publicaciones de primer autor a medida que aumenta su trabajo colaborativo, lo que puede impedirles avanzar dentro de la academia.

Nora Cate Schaeffer (Universidad de Wisconsin-Madison) pre-guntó qué sucede cuando los equipos convergentes y su membresía cambian con el tiempo. ¿Los grupos tienden a permanecer juntos e investigar diferentes problemas, o los individuos abandonan un gru-po para unirse a un grupo diferente basado en un problema diferen-te? Weiss respondió que la investigación financiada con subvenciones semilla para la formación de asociaciones continúa trabajando en

3 Stokes, D.E. (1997). Cuadrante de Pasteur: Ciencia Básica e Innovación Tecnológica. Washington, DC: The Brookings Institution.


53

conjunto. En Penn State, la relación se inicia junto con la investi-gación. Como anécdota, descubre que una vez que un investigador ha colaborado en una investigación interdisciplinaria, se vuelve más abierto y dispuesto a colaborar con otros investigadores en el futuro para diferentes proyectos. Schiffer y Gallahan estuvieron de acuerdo con la declaración de Weiss, y Schiffer agregó que el apoyo institucio-nal para trabajar juntos en equipos es fundamental. El fuerte apoyo para trabajar juntos en equipos interdisciplinarios hace posible la investigación futura.

Andrew Zukerberg (Centro Nacional de Estadísticas Educativas) preguntó si las áreas de convergencia pueden convertirse en nue-vas disciplinas. Feldman respondió que esto es posible, señalando el ejemplo de la neurociencia. El trabajo inicial comenzó con las limi-taciones de la neurología y la búsqueda de nuevas herramientas para investigar problemas. Dijo que se necesita más trabajo en esta área para permitir que florezcan nuevas disciplinas. Las ideas se han des-crito anteriormente como “ciencia de la bella durmiente”, es decir, ideas fundamentales que permanecen inactivas hasta que se aplica un concepto de ecosistema que permite que surja un quórum de comprensión. Las demandas comerciales o las llamadas de financia-ción son a menudo la fuerza impulsora para introducir una nueva disciplina, pero este método a menudo no considera implicaciones sociales más importantes.

Stokols respondió a los comentarios de Feldman para considerar el cuadrante de Pasteur y el valor agregado cuando los resultados de la investigación tienen aplicabilidad a corto plazo. Un período de laten-cia más largo entre el concepto inicial y la acumulación de evidencia empírica se puede traducir y aplicar en otras áreas a lo largo del tiem-po. Stokols sugirió que la inversión en investigación de convergencia que investiga el trabajo básico podría tener aplicabilidad traslacional en el futuro. Sugirió distinguir entre diferentes tipos de convergencia al desarrollar una taxonomía. Gallahan señaló que el cuadrante de Pasteur es un desafío constante en todas las disciplinas y dijo que a menudo se encuentra defendiendo la investigación básica.

Josh Schnell (Clarivate) preguntó si la utilidad de una medida nacional depende de cómo se equilibra una cartera de investigación,


54

por ejemplo, la investigación básica, aplicada y traslacional. Schiffer rechazó el concepto de una única medida nacional de convergencia, afirmando que es más probable que una cartera de métricas sea de valor. Feldman estuvo de acuerdo con esta opinión.

Schaeffer preguntó si la convergencia podría incluir la investi-gación traslacional. También preguntó si las ciencias sociales y las humanidades se consideran áreas de dependientes de un problema específico. Gallahan respondió que la investigación traslacional po-dría combinarse con otros tipos de investigación. Schiffer estuvo de acuerdo con Gallahan con respecto a la investigación traslacional y agregó que las ciencias sociales y las humanidades no son campos de nicho. Históricamente, las humanidades no se han integrado com-pletamente con los campos STEM en las universidades, pero los aca-démicos en humanidades pueden desempeñar roles necesarios e im-portantes que mejoran el valor de la investigación STEM y viceversa.

Weiss expresó su escepticismo ante la idea de una única defini-ción y métrica para la convergencia. Holbrook cuestionó si Weiss es-taría más dispuesto a aceptar una definición única de convergencia si se midiera de múltiples maneras. Weiss reconoció que podía acep-tar una única definición con múltiples medidas, pero solo si la de-finición capturaba matices, lo que podría ser muy difícil. Holbrook comentó sobre el trabajo que presentó Anderson, en el que a los participantes de la encuesta web se les muestra una única definición pero pueden usar un hipervínculo que proporciona más detalles y múltiples ejemplos. Preguntó si aún se podría considerar la posibi-lidad de proporcionar información adicional sobre las definiciones en el hipervínculo proporcionando una definición única, que Weiss consideró aceptable.

Schiffer agregó su descripción de la convergencia, que proporcio-na un marco que reconoce la importancia de abordar varias facetas de la investigación, en particular la dinámica de equipo y los incenti-vos institucionales para facilitar la colaboración, con el fin de lograr una aspiración general en lugar de un objetivo monolítico. Gallahan estuvo de acuerdo con la descripción de Schiffer y apoyó esa defini-ción de convergencia.

55

6. Resultados e impactos de la convergencia

Erin Leahey (Universidad de Arizona) compartió los hallazgos de su investigación sobre los resultados y los impactos de la inves-tigación interdisciplinaria, a la que se refiere como IDR. Describió los impactos en tres niveles diferentes: a nivel de la persona, a nivel de equipo o publicación y a nivel organizacional. Su propio trabajo se enfoca principalmente en el nivel organizacional, enfatizando no solo los resultados e impactos de la IDR, sino también su medición única en este nivel.

Basado en entrevistas con becarios en el programa New Directions de la Fundación Mellon, el capítulo de su libro anterior se centró en IDR a nivel personal. Los participantes del estudio eran académicos que habían recibido títulos de doctorado y titulares en un campo en particular y solicitaron la beca para seguir un campo diferente.


56

Leahey y McBee1 (2016) se enfocan específicamente en los desafíos que enfrentan los participantes. Los temas comunes incluyeron obs-táculos de producción y evaluación. Los obstáculos de producción descritos por los participantes incluyeron el tiempo extra y el mayor compromiso que requiere IDR, lo que reduce la productividad. Lea-hey destacó la respuesta de un participante: “Si uno mira el resultado de mi investigación... en realidad hay una gran brecha. Parece que entré en coma o algo así”.

Un obstáculo de la evaluación compartido por los participantes del estudio fue la necesidad de aplacar a los colegas disciplinarios. Los participantes se sintieron obligados a captar el interés de acadé-micos de múltiples disciplinas y, por lo tanto, enfrentaron diferentes tipos de críticas de cada disciplina. Los participantes percibieron que estaban siendo juzgados por los estándares de otros. Leahey dijo que todos estos participantes eran titulares en disciplinas de huma-nidades como filosofía e inglés en las que es común el trabajo de un único autor. Se preguntó si otras disciplinas en las que la publicación en equipo es más común enfrentarían los mismos desafíos.

Para dirigirse al nivel de equipo o de publicación, Leahey des-cribió su artículo de 20172 en Administrative Science Quarterly del que fue coautora con Christine Beckman y Taran Stinko. Esta pu-blicación investigó 30.000 artículos escritos por más de 900 autores en una variedad de campos, recopilados por académicos del Centro de Investigación Colaborativa de la Universidad de la Industria (IU-CRC). La medida de la investigación interdisciplinaria se basó en las categorías de ciencia de Web of Knowledge 2007 diseñadas por Alan Porter y sus colegas3 para medir el nivel de integración. Para medir cuán interdisciplinario es un artículo focal, contaron el número de referencias citadas. Leahey y sus colegas asignaron una puntuación entre 0 y 1. Los resultados sugirieron que la investigación interdisci-plinaria imponía una penalización a la productividad, pero tuvo un

1 Leahey, E.E. y D. McBee. (2016). Nuevas direcciones en la formación interdisciplinar: pruebas y tribulaciones. En la investigación de la investigación interdisciplinaria: teoría y práctica en todas las disciplinas. Rutgers, Nueva Jersey: Rutgers University Press.

2 Leahey, E., C.M. Beckman y T.L. Stanko. (2017). Destacado pero menos productivo: el impacto de la interdisciplinariedad en la investigación de los científicos. Administration Science Quarterly 62 (1): 105-139. doi: 10.1177 / 0001839216665364.

Resultados e impactos de la convergencia

57

efecto positivo en la visibilidad (medida por el número de citas). En términos de tamaño del efecto (basado en los coeficientes estandari-zados), la penalización de la productividad fue mayor que el aumen-to de la visibilidad.

Según Leahey, la investigación y la colaboración interdisciplina-rias plantean desafíos cognitivos que contribuyen a reducir la produc-tividad. Se vuelve más difícil generar ideas y la investigación avanza a un ritmo más lento. Los datos de la encuesta también documentan los desafíos de la colaboración, incluida la dificultad inicial para co-municarse dentro de equipos interdisciplinarios. Sin embargo, con la colaboración repetida, los coautores construyen un nivel de co-modidad que resulta en una colaboración más productiva. Leahey y sus colegas no encontraron que la investigación interdisciplinaria planteara desafíos adicionales durante el proceso de revisión. Según los documentos de trabajo de archive.org, los documentos interdis-ciplinarios tenían más probabilidades que otros de ser publicados.

La visibilidad de la investigación IDR también depende de los cam-pos representados. Las ciencias de la vida, por ejemplo, que se consi-dera un campo altamente interdisciplinario, experimenta un impacto positivo más significativo en la visibilidad del autor. Leahey dijo que los efectos de la IDR también son mayores cuando la distancia cogni-tiva entre campos interdisciplinarios es mayor. Leahey hizo una dis-tinción entre distancia cognitiva y variedad: cuando la variedad es el foco, los beneficios de la visibilidad se debilitan, aunque el perjuicio en la producción desaparece. La IDR también es riesgosa en el sentido de que aumenta la variabilidad de la visibilidad (medida por la desvia-ción estándar de las citas en todo el trabajo del académico).

Con fondos de la National Science Foundation (NSF) y Science of Science and Innovation Policy (SciSIP), Leahey se asoció con Sondra Barringer para investigar IDR a nivel organizacional (Compromiso universitario para la investigación interdisciplinaria: alcance, causas y consecuencias). Esta investigación se centra en los compromisos es-tructurales con la investigación interdisciplinaria, las condiciones de financiación, la organización de unidades dentro de la universidad y la cuestión de si estos compromisos estructurales refuerzan o no la IDR. Las unidades pueden reorganizarse, por ejemplo, para agregar


58

un nuevo departamento o programa o crear un centro de investiga-ción que conecte múltiples campos. Leahey y sus colegas recopilaron datos sobre aproximadamente 160 universidades de Investigación I y analizaron la lista de departamentos, los nombres de esos departamen-tos y los centros de investigación. Utilizaron el aprendizaje automático semi-supervisado para identificar cuáles eran interdisciplinarios.

Sus hallazgos resaltan cuatro indicadores distintos del compromi-so estructural de una universidad con IDR: (1) la proporción de cen-tros de investigación a departamentos, (2) la proporción de centros de investigación interdisciplinarios a centros de investigación, (3) la proporción de departamentos interdisciplinarios a todos los depar-tamentos y (4) el número de departamentos. Utilizando el análisis factorial confirmatorio tradicional, Leahey y Barringer idearon una puntuación que representa el compromiso de la universidad con la IDR. Luego usaron ese puntaje como un predictor para modelar los resultados de la investigación. Su modelo conceptual supone un des-fase entre el compromiso estructural de la universidad con la IDR (medido en 2012-2013) y el efecto en las publicaciones y subvenciones posteriores (2015). Descubrieron que un compromiso estructural con IDR tiene un gran efecto en la actividad de investigación, particular-mente para IDR. Se encontró un efecto moderado para las publica-ciones interdisciplinarias y las subvenciones interdisciplinarias de los Institutos Nacionales de Salud (NIH), pero no encontraron ningún efecto para las subvenciones interdisciplinarias de la NSF.

Leahey especuló sobre el origen de la discrepancia entre los efec-tos sobre las subvenciones de los NIH y de la NSF, y señaló que las subvenciones de la NSF suelen concederse a un único investigador principal oa equipos de varias universidades. Esto puede explicar por qué la infraestructura dentro de una universidad en particular juega un papel menor que para los NIH, que es más probable que otorguen becas institucionales que involucren a múltiples departa-mentos dentro de la misma universidad.

Descubrieron que el compromiso estructural con la IDR no tenía un efecto medible sobre la calidad de la investigación (número de in-vestigadores muy citados, número de artículos publicados en Nature and Science). Concluyó que las universidades que buscan promover


59

la investigación de alto impacto pueden necesitar ir más allá de los compromisos estructurales hacia la investigación interdisciplinaria y expresar su compromiso con la IDR de otras formas.

En otro estudio, Leahey y sus colegas investigaron los precursores del compromiso de una universidad con la IDR. Utilizaron una am-plia variedad de fuentes, incluidos los conjuntos de datos del Centro Nacional de Estadísticas de Ciencia e Ingeniería (NCSES), la Encuesta de Doctorados Obtenidos (SED), la Educación Superior Encuesta de Investigación y Desarrollo en Educacion Superior (HERD), el Sistema Integrado de Datos de Educación Postsecundaria (IPEDS) y datos de adjudicación de NSF / NIH. La autora describió las influencias de arriba hacia abajo y de abajo hacia arriba que determinan el compro-miso estructural con la IDR. Para cuantificar el apoyo de arriba hacia abajo para IDR, analizaron datos textuales de discursos pronunciados por el rector de la universidad. Luego, compararon la medida de la retórica presidencial que apoya la IDR con datos de la encuesta de doctorados obtenidos para probar si predice el número de doctorados interdisciplinarios que graduó la universidad. Los esfuerzos adminis-trativos de arriba hacia abajo y los esfuerzos de abajo hacia arriba de la facultad promueven un compromiso estructural con la IDR, como sugiere el número de graduados de doctorado interdisciplinarios.

En resumen, Leahey concluyó que los individuos y los equipos se benefician de la investigación interdisciplinaria a través de una ma-yor visibilidad medida por las citas, aunque pueden experimentar una disminución de la productividad. A nivel organizacional, los compro-misos con IDR incrementaron la actividad de investigación interdisci-plinaria en términos de publicaciones y subvenciones de NIH.

Ben Jones (Northwestern University) describió la importancia y di-ficultad de la convergencia y los principios de diseño de políticas que se derivan de estas características. Jones señaló que, si bien algunos de sus colegas de economía creen que la investigación está sufriendo una escasez de ideas, él cree que ideas como sobre la esperanza de vida hu-mana, el cambio climático, la fusión nuclear, la inteligencia artificial (IA) y más, en cambio, se están volviendo más difíciles de explorar. El problema puede estar no en las ideas que necesitan investigación, sino en las herramientas de que dispone el investigador.


60

Jones atribuyó esta dificultad en parte a la carga del conocimiento. Las investigaciones anteriores han acumulado un gran volumen de conocimientos, hechos y teorías conceptuales sobre el universo, pero una sola persona tiene una capacidad de conocimiento finita. Como individuos, nuestra capacidad se reduce. Para invertir el tiempo ne-cesario para convertirse en un experto en un área cada vez más com-pleja, el enfoque de un investigador debe ser limitado. Jones sostiene que a medida que la experiencia individual se reduce, los equipos se convierten en vectores esenciales para impulsar el avance científico en problemas a gran escala. Una combinación de experiencias diversas y complementarias es esencial para lograr avances. Aunque los equipos no son sinónimo de convergencia, están relacionados y constituyen agregaciones de personas con una variedad de conocimientos.

En comparación con los autores únicos, la importancia de los equi-pos se ilustra por su ventaja para producir un trabajo de mayor im-pacto medido por las citas recibidas, un fenómeno que representa la reversión con respecto a las décadas de 1950 y 1960. Jones investigó esta ventaja considerando la relación entre los equipos, las prácticas de citación y la probabilidad de una publicación innovadora. Comen-zó utilizando el conjunto de referencias citadas por una publicación determinada como medida de novedad. Ese conjunto podría pun-tuarse por la frecuencia con la que su red particular de referencias aparecía juntas en las obras publicadas, y etiquetó las combinaciones poco comunes como novedosas. Las publicaciones en que las referen-cias convencionales y novedosas están equilibradas tenían una mayor probabilidad de ser muy citadas e influyentes. Las publicaciones con solo combinaciones comunes tienen una baja probabilidad de éxito, al igual que aquellas con demasiadas combinaciones nuevas. Además, los equipos tienen una ventaja cada vez mayor para lograr este equili-brio y, por lo tanto, para desarrollar ideas de alto impacto en compa-ración con las publicaciones de un único autor.

Esta dinámica también es válida en relación con la “edad” de las citas (el período de tiempo entre la publicación de una publicación citada y su cita en otra publicación). Jones descubrió que los artículos más influyentes equilibran la citación extensa de la literatura más reciente (en los últimos 5 años) con la citación variable de artículos


61

más antiguos (de 10 a 15 años o más). Lograr este equilibrio requiere apreciar el conocimiento de larga data y, al mismo tiempo, basarse en una afluencia constante de nueva información. Aunque un espe-cialista individual puede lograr este equilibrio dentro de un campo, es probable que ese individuo no pueda lograr tal dominio de la literatura en muchos campos. De hecho, los equipos vuelven a tener una ventaja para lograr este tipo de equilibrio cronológico.

Aunque la investigación de Jones sugiere que los equipos son fun-damentales para producir conocimiento, esa observación plantea la cuestión de cómo facilitar buenas combinaciones que permitan a los grupos trabajar juntos de manera eficaz. Sugirió que los resultados de la investigación y el desarrollo (I + D) son difíciles de anticipar, como lo ejemplifica el pobre historial predictivo de los capitalistas de riesgo. El desafío se ve confundido por la escasa experiencia de los individuos, revisores y patrocinadores de la investigación: cada individuo está limitado por sus propios puntos ciegos y áreas de es-pecialización. Jones agregó que el potencial para las combinaciones de investigación es efectivamente infinito, aunque es probable que la mayoría de las combinaciones sean inútiles.

Para terminar, Jones presentó principios de diseño tentativos para el trabajo de convergencia de alto impacto. Jones destacó que el enfo-que en la demanda es crítico y relativamente fácil: los investigadores tienen una gran cantidad de problemas que les gustaría resolver. De-finir qué problemas resolver es un punto de partida, y agencias como NSF pueden desempeñar un papel importante a la hora de orientar esta selección. Para la investigación básica, lo ideal es una fuente de financiación que no requiera un retorno monetario de la inversión. Este enfoque garantiza que los investigadores puedan centrarse en la producción de conocimiento en lugar de la creación de productos. Aunque otros pueden elegir la selección de problemas, Jones sugiere permitir que los equipos se autoorganicen y que su trabajo converja orgánicamente. Es probable que la colaboración no forzada apoye una mejor comunicación y compatibilidad. Como sugerencia final, Jones sugirió que un portafolio de investigación debería esperar y planificar el fracaso mediante la creación de un portafolio de diver-sas vías de resolución de problemas y esfuerzos de coordinación en


62

lugar de pretender controlar los resultados. El fracaso es un fenó-meno habitual en I + D, aunque habrá presión política y económica para evitar invertir en iniciativas que puedan fracasar.

Discusión

Después de las presentaciones individuales, Holbrook le preguntó a Leahey sobre la extrema polaridad entre los “aciertos y errores” ex-perimentados al intentar publicar los resultados de una investigación interdisciplinaria. Holbrook señaló, por ejemplo, que cuando ha pre-sentado solicitudes de subvención, los revisores con frecuencia gravitan notablemente hacia los extremos, la mitad de ellos calificaron la pro-puesta como excelente y la otra mitad la calificaron como deficiente. Se preguntó en voz alta si Leahey ve la bipolaridad como un indicador po-tencial de interdisciplinariedad, convergencia o investigación potencial-mente transformadora. Leahey reconoció que la evidencia anecdótica sugiere que la experiencia de Holbrook no es única, pero no tenía datos que pudieran abordar la pregunta. Señaló que sus datos han sugerido que el proceso de revisión por pares para publicaciones interdisciplina-rias no es más pesado que para el trabajo monodisciplinario.

Bethany Laursen (Universidad Estatal de Michigan) agregó un comentario relacionado sobre el uso de la desviación estándar para capturar algunas características de la bibliometría. Sugirió que los investigadores cuantitativos podrían utilizar algunas medidas deri-vadas en lugar de medidas directas para comprender los aspectos de la diversidad y el pensamiento convergente versus divergente. Owen-Smith respondió que el uso de un marco de cartera para llevar a cabo la investigación permitiría calcular esas medidas derivadas so-bre una distribución más amplia de los datos recopilados.

Khargonekar le preguntó a Jones si el éxito de la colaboración se basa más en la suerte que en el juicio de un experto. Jones sugirió que el juicio de los expertos importa mucho, pero es difícil de medir. Tam-bién enfatizó que, si bien algunos investigadores pueden celebrar la ciencia en equipo como intrínsecamente valiosa, él la ve simplemente como una solución necesaria al grave problema del enfoque cada vez


63

más limitado en varias disciplinas. Además, señaló que los equipos tienen sus propios problemas derivados de las fricciones entre las di-versas perspectivas y el conocimiento implícito e intuitivo que posee cada miembro del equipo, al que los demás nunca pueden acceder por completo. Sin embargo, la necesidad del enfoque de equipo en la aca-demia requiere que estos desafíos se resuelvan de manera orgánica.

Ismael Rafols (Universidad de Leiden) sugirió que la evidencia puede no respaldar el uso de citas como un indicador del impacto social en los campos aplicados y preguntó a todo el panel si otras medidas pueden medir mejor la calidad del trabajo. Jones respon-dió que la bibliometría es una métrica útil porque se puede rastrear en muchos documentos y está fácilmente disponible. Jones también aclaró que aunque este proxy puede no medir la calidad, puede me-dir el impacto. Es probable que el trabajo que se cita sea más influ-yente, incluso si su calidad es deficiente; sin embargo, Jones estuvo de acuerdo con Rafols en que la bibliometría por sí sola es imperfecta y que se necesitan otras medidas. Tener múltiples formas de conside-rar el impacto será, en última instancia, más útil.

64

7. Esfuerzos de medición

El taller incluyó varias presentaciones centradas en los esfuerzos existentes para medir la convergencia. Julia Lane (Universidad de Nueva York) recordó a los participantes del taller la descripción de la National Science Foundation (NSF) de la convergencia como el uso de múltiples enfoques para abordar problemas complejos centrados en una necesidad social. Ella expresó que muchas necesidades so-ciales son empíricas. Para abordar las necesidades del Centro Nacio-nal de Estadísticas de Ciencias e Ingeniería (NCSES), preguntó: (1) ¿cómo se obtienen los datos necesarios para responder una pregunta de investigación determinada, y (2) cómo se valorarán esos datos después del análisis? Lane argumentó que se podrían usar varias tec-nologías para construir conjuntos de datos, especialmente financia-dos con fondos federales. Como economista laboral, anteriormente trabajó con micro conjuntos de datos confidenciales y, en su opinión, un desafío importante ha sido que la infraestructura de datos actual y las medidas tradicionales (desempleo, producto interno bruto) se

Esfuerzos de medición

65

han vuelto menos importantes desde su desarrollo inicial. La infraes-tructura de datos deberá adaptarse a medida que cambien las nece-sidades. En las últimas dos décadas, por ejemplo, las preocupaciones por la privacidad y el nivel de disposición para proporcionar datos personales han cambiado drásticamente.

La convergencia ha llevado a la disponibilidad de nuevos tipos de da-tos, que pueden aprovecharse para resolver problemas sociales comple-jos, pero hacer que los datos estén disponibles abiertamente no garantiza que su calidad sea lo suficientemente alta como para ser utilizable. Este problema se ejemplifica con datos relacionados con COVID-19. Se han recopilado cantidades masivas de datos y ahora están disponibles. Sin embargo, hay poca estructura organizativa para caracterizar los tipos de datos disponibles y no existe un método para identificar quién está usando los datos y si los resultados particulares se han replicado o re-producido. Citó a Google Scholar como ejemplo de una infraestructura desarrollada para ayudar a los investigadores a encontrar publicaciones

Desafortunadamente, no existe tal infraestructura para facilitar la búsqueda de conjuntos de datos.

Lane dijo que es importante considerar diferentes formas de co-laborar con otros investigadores mientras se utilizan conjuntos de datos confidenciales. Las nuevas tecnologías como FedRAMP permi-ten que los datos se compartan de forma segura a través del almace-namiento en la nube. FedRAMP proporciona un entorno de datos seguro que alojará, protegerá, supervisará y controlará el acceso a los datos, reduciendo así gran parte de la carga asociada con el uso de un conjunto de datos confidenciales.

La ciencia de datos se está volviendo cada vez más importante en los Estados Unidos y más universidades ofrecen títulos en esta disci-plina. Lane sugirió que un cambio en la forma en que se capacita a los científicos de datos podría ser beneficioso: en lugar de que los es-tudiantes aprendan a codificar “Hola, mundo” en conjuntos de datos perfectamente seleccionados, podrían capacitarse para trabajar con datos gubernamentales del mundo real. Este enfoque permitiría me-jorar las habilidades y al mismo tiempo servir al bien público. Para fa-cilitar la idea de aprendizaje-servicio, sería importante construir una infraestructura que pueda respaldar varias ideas y enfoques nuevos.


66

Un mayor enfoque en la resolución de problemas sociales a gran escala podría comenzar con grandes conjuntos de datos del gobier-no, pero luego extenderse a otras fuentes de datos. Los conjuntos de datos gubernamentales representan casi una cuarta parte de la acti-vidad económica y se pueden utilizar para responder preguntas re-lacionadas con una variedad de temas. El grupo de investigación de Lane se ha asociado con un subconjunto de agencias, incluido el De-partamento de Agricultura de EE. UU. (USDA), la Administración Nacional Oceánica y Atmosférica (NOAA), el Instituto Nacional de Estándares y Tecnología (NIST) y los Institutos Nacionales de Salud (NIH). ) para determinar qué conjuntos de datos deben ser selec-cionados y resaltados. La NOAA, por ejemplo, necesitaba un medio para identificar los bosques con un alto valor de conservación, por lo que desarrolló métricas basadas en la diversidad biológica de los eco-sistemas y cómo el bosque satisface las necesidades de la comunidad. Tyler Christenson (NOAA) ha propuesto que el Servicio Forestal Na-cional podría utilizar esas medidas para identificar bosques con altos valores de conservación.

Como ejemplos de tales métricas, Lane explicó que uno podría contar simplemente la cantidad de veces que se usa un conjunto de datos de una manera similar a la que se usa para rastrear las citas de publicaciones. Dicho seguimiento podría ayudar a identificar con-juntos de datos de alto impacto, por ejemplo, al documentar cómo se aplican los conjuntos de datos a las necesidades de la comunidad. A través de dos concursos de código abierto, el equipo de Lane desafió a la comunidad de ciencias de la computación a desarrollar un algo-ritmo de procesamiento de lenguaje natural y aprendizaje automá-tico que podría usarse para identificar conjuntos de datos utilizados en publicaciones (en otras palabras, para crear lo que el equipo de Lane llama una “díada de publicación de conjuntos de datos”).

Lane dijo que un grupo de científicos informáticos construyó un corpus de entrenamiento y un modelo de inteligencia artificial (IA) que identificó correctamente un conjunto de datos con un 78 por cien-to de precisión. Su próximo objetivo es mejorar las capacidades com-partiendo el núcleo crítico de los enlaces de publicación de conjuntos de datos con la comunidad de investigación pública que luego puede


67

ayudar a identificar errores y sugerir mejoras. Una vez completada la prueba de concepto, la siguiente etapa es la participación de la comu-nidad. Lane describió el trabajo realizado con la Encuesta de Gestión de la Investigación Agrícola (ARMS), que comenzó con un conjunto de métricas que incluyen temas de publicación, publicaciones que ci-tan a ARMS, los investigadores involucrados, la representación insti-tucional y el ecosistema donde ocurrieron las operaciones. Cuando se aplican, estas métricas comienzan a responder preguntas sobre el alto valor de conservación para la investigación agrícola.

El trabajo también ha ampliado el corpus de CHORUS, un ser-vicio de publicación y datos sobre cumplimiento. Lane señaló que a seis estudiantes de posgrado les tomó unos meses construir este corpus curado a mano. Luego se le aplicó un modelo de aprendizaje automático, que aumentó la cantidad de publicaciones identificadas entre un 30 y un 50 por ciento en 2 horas, según la medida. Se in-cluyó una herramienta de validación para verificar los resultados (es decir, los conjuntos de datos utilizados en cada publicación).

Lane describió su trabajo con Mike Stebbins utilizando Kaggle, una plataforma de análisis y modelado de datos diseñada para com-petencias. Kaggle se puede aprovechar para aumentar la participa-ción y permite mejoras basadas en la comunidad a través de lo que se conoce como el proceso Kaggle. El proceso está diseñado para alentar a miles de informáticos a mejorar los modelos de aprendizaje automático que generan el corpus de publicaciones, con la esperan-za de alcanzar el 95 por ciento de precisión. Lane y Stebbins esperan que otros científicos e investigadores involucren, mejoren y automati-cen el corpus de manera continua para construir una infraestructu-ra efectiva alrededor de las búsquedas en bases de datos.

Las estadísticas federales, las medidas federales y la comunidad de investigación en general pueden superar los desafíos actuales que enfrentan. Ella cree que este trabajo proporciona un ejemplo clásico de convergencia: los datos de múltiples fuentes podrían combinarse para responder a desafíos sociales complejos.

Bethany Laursen (Laursen Evaluation & Design y Michigan State University) compartió los hallazgos de un estudio realizado por su consultora de evaluación privada y coautores Nicole Motzer


68

(National Socio-Environmental Synthesis Center o SESYNC) y Kelly Anderson (University of Maryland).

Laursen presentó una revisión sistemática de las vías para evaluar la interdisciplinariedad. Comenzó definiendo cada uno de los térmi-nos centrales de ese esfuerzo. Primero, la revisión acepta la defini-ción de interdisciplinariedad adoptada por cada autor bajo revisión: el uso de una publicación del término “interdisciplinariedad” califi-có esa publicación para su inclusión. También se incluyeron publica-ciones que se basaban en ciertos elementos de la transdisciplinarie-dad pero que rastreaban la superposición entre estos elementos y la interdisciplinariedad. El estudio considera que la convergencia es un tipo de interdisciplinariedad o transdisciplinariedad. En segundo lugar, el estudio define la evaluación como un resumen empírico de características importantes, con la “importancia” determinada por los propios autores. Finalmente, el estudio usa “medida” para incluir observaciones cualitativas y cuantitativas.

Laursen sugirió que cada evaluación se desarrolla a lo largo de una “vía de evaluación”, una serie de opciones que guían los esfuer-zos evaluativos. La ruta puede incluir todas las siguientes fases: exa-minar un contexto particular y los objetivos dentro de él; desarrollar el resultado previsto del estudio empírico; desarrollar criterios y (en una evaluación completa) desarrollar estándares para esos criterios; elegir unidades de observación (temporales o espaciales), medidas o indicadores de esas unidades y métodos analíticos para observar esos indicadores; desarrollar un método de agregación para múltiples in-dicadores; y (en una evaluación de calidad o mérito) desarrollar mé-todos de juicio evaluativo que puedan generar una declaración de la calidad o mérito potencial, actual o total del objeto. Tal declaración podría informar una decisión de mantener o descontinuar el objeto de la evaluación. Laursen demostró la aplicación de esta estructura mostrando dos ejemplos de vías de evaluación utilizadas en una eva-luación de la diversidad de equipos de investigación financiados por el Instituto Nacional del Envejecimiento.

La vía de evaluación muestra que los investigadores de NCSES de-ben tomar muchas decisiones al evaluar la interdisciplinariedad o la convergencia y que no considerar o actuar sobre varias opciones a lo


69

largo de la vía podría significar una evaluación incompleta. Cuando Laursen y sus colegas comenzaron su propia evaluación de la inter-disciplinariedad, se enfrentaron a una gama inmanejable de méto-dos y vías para realizar una evaluación de la “síntesis interdisciplina-ria” en SESYNC. Por lo tanto, cambiaron su trabajo a una revisión sistemática de todas las vías publicadas en la literatura de evaluación interdisciplinaria entre 2000 y 2019. Utilizando un diseño de revi-sión sistemática, criterios de búsqueda y bases de datos específicas, Laursen y sus colegas encontraron 1006 vías de evaluación únicas.

Laursen compartió cuatro lecciones clave. Primero, los autores que realizan una evaluación deben monitorear o evaluar y declarar explí-citamente su elección. El seguimiento describe medidas u observacio-nes sin emitir un juicio de valor sobre los resultados. Por el contrario, la evaluación llega a un juicio de valor o diagnóstico. Los autores de-ben elegir si monitorear o evaluar en función de si desean o no llegar a un juicio evaluativo que pueda justificar acciones adicionales.

En segundo lugar, los investigadores deben utilizar un razona-miento evaluativo riguroso para evitar “callejones sin salida” lógicos. Laursen explicó que para pasar lógicamente de una descripción de un criterio medido a un juicio de valor diagnóstico de ese criterio, un investigador necesita un estándar explícito o una escala de valo-res. Además, cada uno de estos componentes debe ser explícito, aun-que al menos el 83 por ciento de las vías encuestadas por Laursen y el equipo que tenían como objetivo formar juicios evaluativos no incluían estos elementos mínimos de razonamiento evaluativo rigu-roso. Por lo tanto, la mayoría no logró llegar a un juicio evaluativo y, en el proceso, no ofreció a los lectores una imagen clara de cómo adoptar el camino hacia sus propios esfuerzos de evaluación.

En tercer lugar, los investigadores deben utilizar metodologías mixtas para observar múltiples facetas de la interdisciplinariedad. De los estudios identificados por Laursen y sus coautores, el 81 por ciento utilizó métodos exclusivamente cualitativos o exclusivamente cuantitativos. Solo el 10 por ciento utilizó métodos mixtos. Entre los estudios que emplearon métodos mixtos, muchos no describieron cómo se agregaron múltiples medidas para respaldar sus juicios fi-nales. Además, de todas las vías identificadas, el 6 por ciento utilizó


70

solo una medida para formar juicios evaluativos, lo que parece in-adecuado para medir el fenómeno altamente multifacético de la in-terdisciplinariedad. Laursen destacó las “rúbricas” como un método ejemplar para evaluar fenómenos multidimensionales, multifacéti-cos y complejos como la interdisciplinariedad y la convergencia. Una rúbrica le permite al investigador especificar niveles de desempeño estándar para cada criterio. Como explicó Laursen, la rúbrica debe especificar criterios que se miden con precisión y definir niveles de desempeño apropiados y detectables.

En cuarto lugar, Laursen alentó a los investigadores a utilizar el conjunto de datos de las rutas desarrolladas por su equipo para iden-tificar criterios, estándares, medidas, métodos y enfoques de inves-tigación que pueden ser apropiados para evaluar la convergencia. Laursen y sus colegas han creado un panel interactivo que permite al usuario filtrar y mostrar los modos y enfoques dominantes que se han utilizado anteriormente para evaluar la interdisciplinariedad.1

Laursen concluyó argumentando que la literatura publicada so-bre la evaluación de la interdisciplinariedad generalmente carece de los fundamentos de la evaluación. Los conceptos básicos bien es-tablecidos ayudarán a aumentar el rigor de las evaluaciones y pro-porcionarán un vocabulario compartido entre los profesionales. Los profesionales deben elegir, explicar y seguir su ruta de evaluación de forma clara y cuidadosa.

Dan McFarland (Universidad de Stanford) discutió su trabajo de-rivando medidas de convergencia utilizando el análisis de redes y el procesamiento del lenguaje natural. Se centró en la convergencia social (como las partes interesadas se relacionan entre sí en la crea-ción intelectual) y la convergencia intelectual (como las relaciones conceptuales y la comprensión surgen del descubrimiento científi-co). McFarland mapeó estas dimensiones de convergencia en dos ejes que convergen en varias formas de participación interdisciplinaria, desde las “zonas comerciales” a nivel macro a través de disciplinas dentro de las universidades hasta proyectos compartidos en centros interdisciplinarios, el desarrollo de “objetos límite” compartidos

1 Consulte https://shiny.sesync.org/apps/evaluation-sankey.


71

por múltiples campos (como una patente), y vínculos conceptuales estudiados por la filosofía de la ciencia.

McFarland se ha centrado en investigar el impacto de los centros interdisciplinarios en la convergencia social respondiendo a tres preguntas clave: ¿Generan productividad y nuevas colaboraciones? ¿Impiden un trabajo disciplinario de alta calidad? ¿Inducen formas únicas de convergencia social? McFarland exploró estas preguntas examinando el impacto de varios institutos de la Universidad de Stanford sobre las conexiones departamentales y la composición de los comités de tesis de posgrado. El primer instituto es BioX, un centro de bioingeniería interdisciplinario cuya fundación fortaleció en lugar de interrumpir las colaboraciones preexistentes y creó una especie de “vía” que facilita la actividad sin perjudicar a los departa-mentos individuales. En otro caso, el Woods Environmental Center generó una nueva comunidad intelectual en el campus que ha lle-vado a la universidad a considerar la creación de una escuela que otorgue títulos completamente nueva.

También se ha estudiado la convergencia intelectual, la explora-ción de las relaciones entre ideas. Los análisis bibliométricos y las prác-ticas de citación han sido el equipo intermediario típico de este tipo de convergencia. McFarland ha descubierto que citar el trabajo fuera de la disciplina de uno puede ser una práctica de alto riesgo (aunque también existe el potencial correspondiente de una alta recompensa). McFarland también consideró el impacto de los trabajos de revisión anual como una forma de sintetizar la convergencia. Encontró que los autores mencionados en revisiones anuales en realidad experimentaron una disminución en las citas de su propio trabajo, ya que la revisión se citaba cada vez más en lugar de los artículos que discutía. McFarland describió este fenómeno como un tipo de destrucción creativa que sugiere que la convergencia puede ser simbólicamente violenta: requiere eliminar los vínculos en aras de la simplificación y crear nuevos métodos para tender puentes e integrarse.

McFarland ha explorado los vínculos potenciales entre la conver-gencia intelectual y social, como incluir la direccionalidad de esta relación (si las conexiones sociales promueven la convergencia inte-lectual o los intereses intelectuales fomentan la convergencia social),


72

así como los factores que facilitan ambas formas de convergencia. McFarland encuentra que la convergencia social con frecuencia cru-za rangos y edades (es más probable que los profesores senior y ju-nior colaboren entre sí) y que las culturas de colaboración difieren ampliamente entre los campos STEM (que tienden a seguir un ritmo más rápido de descubrimiento científico en equipo) y los no-STEM. Los cambios también surgen con el tiempo: con el desarrollo de In-ternet, las conexiones intelectuales tienden a preceder y conducir a colaboraciones sociales, mientras que el orden opuesto tendía a desarrollarse antes de que Internet existiera.

Este cambio de dirección llevó a McFarland a preguntarse si los impulsores de la convergencia son principalmente intelectuales o so-ciales, pero finalmente concluyó que estos factores a menudo son simplemente distintos en varios productos de investigación: investi-gadores colaboradores de diferentes campos, por ejemplo, pueden adoptar una división de trabajo intelectual que conserva sus diferen-cias disciplinarias, como escribir secciones separadas o individuales de una publicación. La investigación de métodos verdaderamente mixtos puede tratar una disciplina particular como la primaria en lu-gar de organizar un encuentro interdisciplinario de iguales. McFar-land reconoció que existe el modelo de aspiración de una verdadera fusión de disciplinas, típicamente en la forma de un estudiante de posgrado o posdoctorado que sintetiza la experiencia en múltiples disciplinas. Sin embargo, estos investigadores no suelen tener en cuenta las implicaciones de la convergencia para sus disciplinas, sino que se centran más en publicaciones o productos específicos.

McFarland concluyó presentando ejemplos de convergencia inte-lectual. Utilizando el campo del procesamiento del lenguaje natu-ral como ejemplo, McFarland demostró que ciertos campos tienen “anclajes de fenómenos” o problemas centrales que permanecen no-tablemente estables a lo largo del tiempo, mientras que las metodo-logías para estudiarlos son mucho más volátiles y cambian continua-mente. Sin embargo, otros campos, como la biología, pueden ver un cambio continuo en los fenómenos que estudian y no solo en los mé-todos que utilizan para hacerlo. McFarland sugirió que la convergen-cia intelectual a través de tales disciplinas implicaría encontrar una


73

forma de operar a través de los niveles de los fenómenos y métodos.En su charla, Ismael Rafols (Universidad de Leiden) argumentó

que reunir diferentes tipos de conocimiento para fomentar la inno-vación y abordar los desafíos sociales requiere considerar dos cues-tiones: la integración epistémica (cómo se combina el conocimiento) y la dirección en la que la combinación del conocimiento se mueve. Usando COVID-19 como ejemplo, Rafols dijo que el conocimiento de varias disciplinas podría combinarse hacia la comunicación de riesgos, el desarrollo de vacunas, la gestión de la atención médica y más. La descripción de las direcciones de la investigación requiere nuevos tipos de métricas multidimensionales que describan carteras de investigación y nuevas formas de comunicar esas carteras (inclui-das potencialmente tablas, redes y mapas).

Los esfuerzos anteriores para desarrollar indicadores universales o generales de interdisciplinariedad para el uso de políticas no han tenido éxito. Rafols, por ejemplo, se desempeñó como asesor de los esfuerzos del British Council realizados por Elsevier y luego por Di-gital Science para desarrollar medidas nacionales de interdiscipli-nariedad que generaron resultados inconsistentes, contradictorios y confusos. Los indicadores de interdisciplinariedad desarrollados en estudios anteriores habían tenido éxito y eran valiosos para áreas de investigación particulares, pero no se aplicaban a la variedad de contextos a nivel nacional. Wang y Schneider han informado recien-temente hallazgos similares con respecto a la inconsistencia de los indicadores universales.2 Rafols concluyó que usar un solo indicador atomístico o incluso unos pocos para medir actividades de investiga-ción complejas capaces de abordar problemas sociales es un error.

Rafols propuso pasar de un enfoque atomístico a uno de cartera basado en la ecología. Un portafolio de ecología no mapearía grados de interdisciplinariedad: en su lugar, investigaría todo el paisaje que hace posible la convergencia. Al igual que con la ecología ambiental, conectaría la estructura con la función al relacionar la producción de ciencia con la misión de una organización o la necesidad social. Las descripciones del panorama de la cartera incluirían la variedad

2 Wang, Q. y J.W. Schneider. (2020). Coherencia y validez de las medidas de interdisciplina-riedad. Estudios de ciencias cuantitativas 1 (1): 239-263.


74

de conocimientos en el panorama general en lugar de dentro de ar-tículos individuales, diversidad en el contexto social de los investiga-dores (que Rafols comparó con las condiciones del suelo), vínculos entre los cuerpos de conocimiento en el paisaje y el equilibrio y di-recciones del conocimiento. El cambio a un enfoque de cartera evita los indicadores unidimensionales en favor de un mapa multidimen-sional en el que son posibles diferentes direcciones. El nuevo marco contiene tanto la distribución del conocimiento (“espacios”) como los esfuerzos para integrar ese conocimiento (“puentes”). Pueden existir puentes a nivel organizacional, cognitivo o social.

Rafols ofreció un ejemplo de mapeo del paisaje a nivel organi-zacional.3 Usando un mapa global de diferentes campos científicos como punto de partida, trazó un mapa de la diversidad de becas en departamentos de la London Business School y el Institute for the Study of Science, Technology, and Innovation (ISSTI) en Edimbur-go. Los vínculos entre campos se pueden investigar utilizando datos bibliométricos para determinar si las expectativas de cruce se cum-plen o superan. El enfoque de Rafols permite ver no solo el hecho de la interdisciplinariedad, sino también las direcciones en las que se está procediendo, lo que no puede determinarse a partir de medidas unidimensionales de interdisciplinariedad.

Pasó a mostrar la convergencia como una combinación de distri-bución de temas y esfuerzos integradores. La combinación permite una variedad de perspectivas significativas que son flexibles a la pre-gunta formulada. Rafols explicó más detalladamente con un mapeo de la investigación del arroz4 que representaba seis áreas temáticas distintas y realizó un seguimiento de los esfuerzos en esas áreas a lo largo del tiempo para comprender cómo ha evolucionado la investi-gación. Este marco también permite visualizar cómo las prioridades de investigación pueden diferir entre países que tienen necesidades y preocupaciones distintas.

3 Rafols, I., L. Leydesdorff, A. O’Hare, P. Nightingale y A. Stirling. (2012). Cómo las cla-sificaciones de revistas pueden suprimir la investigación interdisciplinaria: una compara-ción entre los estudios de innovación y los negocios y la gestión. Research Policy 41 (7): 1262–1282.

4 Ciarli, T. e I. Rafols. (2019). La relación entre las prioridades de investigación y las deman-das de la sociedad: el caso del arroz. Research Policy 48 (4): 949–967.


75

Los tipos de análisis que presentó Rafols ilustran las característi-cas del mapeo de un paisaje de convergencia. Este enfoque mide los tipos y direcciones de las combinaciones de conocimientos, no solo la cantidad de combinaciones capturadas por los índices de interdis-ciplinariedad. Este enfoque también se basa en mapas que pueden visualizar la distribución de la investigación y los vínculos entre áreas temáticas en lugar de los informes estadísticos tradicionales. Como se mencionó anteriormente, Rafols sugiere una combinación de en-foques de arriba hacia abajo y de abajo hacia arriba.

Finalmente, es vital considerar qué tipo de convergencia es más relevante. Las mediciones podrían centrarse en cambios en organi-zaciones como departamentos universitarios o en relación con pro-blemas sociales específicos.

Josh Schnell (Clarivate) siguió con su presentación sobre el valor de los enfoques bibliométricos. Reconoció que en el valor multidi-mensional los sistemas de la ciencia no siempre se reflejan bien en las métricas científicas. Los nuevos esfuerzos de medición dependerán en última instancia de lo que NCSES y sus partes interesadas quieran saber sobre la convergencia dentro de un contexto nacional. Schnell describió un intento de trazar un mapa de la trayectoria de los en-foques de investigación empleados por los investigadores japoneses. El estudio5 encontró que los enfoques se volvieron menos diversos y más conservadores con el tiempo. Este análisis de mapeo se utilizó luego para revelar a los responsables políticos, líderes universitarios e investigadores cómo se practicaba realmente la ciencia.

La convergencia puede verse desde una perspectiva teórica y con-ceptual (la ciencia de cómo se debe estudiar la convergencia) o desde una perspectiva práctica (la cuestión de cómo los investigadores están colaborando realmente). Cualquier estudio de convergencia involucra múltiples dimensiones, incluyendo interacciones disciplinarias y te-mas; la orientación a problemas de la investigación; personas y organi-zaciones involucradas; contexto institucional; herramientas, equipos y métodos involucrados; la dimensión de aprendizaje y educación; e

5 5Igami, M. y A. Saka. (2016). Disminución de la diversidad en la ciencia japonesa, eviden-cia de análisis en profundidad de mapas científicos. Scientometrics 106: 383–403. doi: 10.1007 / s11192-015-1648-9.


76

infraestructura. Schnell agregó que no todos los esfuerzos de conver-gencia tienen que ser novedosos: se puede aplicar una lente de con-vergencia a los datos NCSES existentes, y los conjuntos de datos vin-culados pueden ser particularmente importantes para la medición. Los datos interdisciplinarios de la Encuesta de Doctorados Obtenidos (SED), por ejemplo, podrían vincularse a datos bibliométricos para ofrecer una visión tanto de los procesos como del producto. Aunque es un desafío y requiere mucho tiempo, la vinculación de conjuntos de datos podría permitir a los investigadores hacer preguntas cada vez más interesantes y reflexionar más sobre la multidimensionalidad.

Schnell analizó varios ejemplos que demuestran el valor y las li-mitaciones de la bibliometría. Compartió un mapa de investigacio-nes emergentes altamente citadas, o “frentes de investigación”, que visualizaba interacciones disciplinarias y temáticas. Este tipo de ma-peo puede basarse en datos bibliométricos; sin embargo, el análisis bibliométrico funciona mejor cuando se refina y se vincula a otros datos. Las mediciones del papel de los investigadores y las organiza-ciones en la convergencia pueden, por ejemplo, refinarse conside-rando los datos sobre los impactos del COVID-19 en las mujeres en la comunidad investigadora. De manera similar, el campo todavía carece de una medida indirecta de la orientación del problema que se base en datos bibliométricos, y el análisis bibliométrico en sí mis-mo tiene limitaciones para la investigación interdisciplinaria (IDR) o la convergencia a nivel nacional (como también señaló la presenta-ción de Rafols). Además del refinamiento de estos desafíos técnicos, Schnell sugirió que el análisis bibliométrico debería ser informado y confirmado por las partes interesadas.

El potencial para un mayor uso de la bibliometría depende de una comprensión más sólida de la teoría y la práctica de la convergencia, que el equipo de Schnell en Clarivate está trabajando para producir. Las encuestas y la investigación de campo deben usarse para com-prender varios elementos de convergencia, incluidas las herramientas y equipo necesario, los métodos involucrados y las dimensiones del aprendizaje y educación. Schnell ve un potencial en el análisis biblio-métrico para considerar las redes de citas, examinar el proceso de con-vergencia a través de técnicas de minería de textos y analizar el texto


77

completo de los artículos científicos para comprender el contexto de las citas. Estas técnicas de minería tienen el potencial de visualizar la integración del conocimiento en lo que respecta a la convergencia.

Michèle Lamont (Universidad de Harvard) habló sobre una plata-forma cognitiva socioemocional para la colaboración interdisciplinaria basada en una investigación realizada en 2010 y publicada en un artí-culo de 2016 con Veronica Boix Mansilla y Kyoko Sato. Su estudio se basa en entrevistas en profundidad realizadas con personas de nueve grupos de investigación diferentes, respaldados por subvenciones del Instituto Canadiense de Investigación Avanzada (CIFAR), la Fundación MacArthur y el Instituto Santa Fe, para comprender cómo definen la colaboración interdisciplinaria exitosa. Las entrevistas se centraron en cómo los miembros del grupo definen marcadores y facilitadores del éxito; cómo experimentan la construcción de la pertenencia a un grupo y el trabajo colectivo; y la infraestructura de investigación creada por las organizaciones de financiación que permiten el éxito.

Los participantes entrevistados eran científicos sociales y de la vida que habían colaborado durante 1 a 8 años. Además de reali-zar entrevistas, el equipo de Lamont también observó reuniones, administró cuestionarios y revisó las publicaciones del equipo de investigación. Para capturar las experiencias multidimensionales de los encuestados, el equipo de Lamont propuso un modelo socioe-mocional-cognitivo compartido (SSEC) que registra no solo las di-mensiones cognitivas de las colaboraciones interdisciplinarias, que generalmente se abordan en la literatura existente, sino también sus dimensiones emocionales e interactivas.

El modelo SSEC destaca la importancia de los factores intelectua-les, interactivos e institucionales. Los factores de interacción incluyen la emoción, que juega un papel constitutivo en la creación y el mante-nimiento de una colaboración interdisciplinaria exitosa. El entusias-mo colectivo fue mencionado por el 51 por ciento de los encuestados; El 28 por ciento describió la alegría de la colaboración; El 53 por cien-to mencionó la importancia de la deliberación grupal y de aprender a aprender unos de otros; y el 32 por ciento señaló el valor de desa-rrollar relaciones significativas. Dentro de los factores intelectuales o cognitivos, el 67 por ciento mencionó la importancia del intercambio


78

interdisciplinario y el 40 por ciento mencionó compartir herramientas intelectuales. Varios factores facilitan estas valiosas actividades, como socializar fuera de las reuniones. Cada uno de los nueve grupos expe-rimentó factores cognitivos, emocionales e interactivos en diferentes proporciones, siendo los factores cognitivos los más destacados.

La dimensión intelectual de la colaboración interdisciplinaria está marcada por varias características. Primero, los miembros del grupo participan en un encuadre productivo del problema: la de-finición de su problema de investigación evoluciona iterativamente con el tiempo a medida que los miembros del grupo se involucran en la codefinición. Un nivel óptimo de ambigüedad es esencial para este proceso. Tener una definición demasiado estricta de un proble-ma puede impedir la colaboración interdisciplinaria, mientras que la cantidad adecuada de ambigüedad permitirá al grupo flexibilidad y proporcionará un medio para desarrollar el intercambio interdisci-plinario. Un participante sugirió que la ambigüedad permite a cada creador ofrecer su experiencia y anotó el proceso de construcción de andamios a medida que avanza el trabajo.

Lamont afirmó que una comprensión completa de la colaboración interdisciplinaria es imposible hasta que se preste atención a los as-pectos emocionales. Un participante destacó esta importancia, com-parando las colaboraciones de investigación interdisciplinaria con el matrimonio. El éxito emocional fue posible gracias a los sentimientos de pertenencia al grupo, el respeto y la admiración de los compañeros, un clima de convivencia y un liderazgo eficaz por parte de individuos que entendían las demandas cognitivas, emocionales y sociales de una colaboración interdisciplinaria exitosa. Aunque muchos comentarios enfatizaron los aspectos positivos de la investigación interdisciplinaria, Lamont y sus colegas encontraron que los participantes mencionaron marcadores de colaboración fallida, incluido el fracaso para enmarcar un problema en formas que son compartidas por los participantes de la red y el fracaso para establecer expectativas relativamente compar-tidas. También señalaron varias barreras para una colaboración exito-sa, como el interés propio de los miembros individuales, la mentalidad cerrada disciplinaria, el lenguaje disciplinario e ideologías, epistemo-logías y estilos de comunicación conflictivos.


79

Discusión

Nora Cate Schaeffer (Universidad de Wisconsin-Madison) le pre-guntó a Laursen si los estudios que usaban múltiples medidas vin-culaban cada medida con una definición conceptual. Laursen con-firmó que casi siempre se establecían vínculos con una definición conceptual. Los autores de publicaciones a menudo nombraron un constructo o subconstructo, y explicaron explícitamente cómo pro-pusieron una nueva medida de ese constructo.

Klein y Kara Hall (Instituto Nacional del Cáncer) le pregunta-ron a Lamont sobre las posibles implicaciones del esfuerzo de NSF para medir los aspectos socioemocionales y cognitivos de la conver-gencia. Lamont señaló que de las tres organizaciones que estudió, CIFAR no tiene un entregable a corto plazo. También señaló que el carácter abierto parecía permitir a los investigadores ser más aven-tureros en sus colaboraciones. Por lo tanto, sugirió que este hecho podría conducir a la creación de modelos de financiamiento menos explícitamente vinculados a propuestas con resultados esperados bien definidos. También reconoció que este tipo de financiación de la investigación es caro y probablemente encuentre resistencia. Sin embargo, sugirió que un enfoque más inductivo y multidimensional en las emociones y la creación de relaciones en el trabajo interdisci-plinario podría aumentar las formas alternativas de colaboración y financiación fuera de la NSF.

Se le preguntó a McFarland cómo el análisis de redes podría ayu-dar a evaluar el progreso realizado en la reducción de las barreras a la convergencia. Explicó ese concepto.

Las redes se utilizan para identificar la ubicación de problemas y cuellos de botella. Su investigación investiga dónde se establecen o se pierden las conexiones e identifica problemas o brechas gene-ralizados y, basándose en esa investigación, concluyó que el análisis de redes no puede determinar si llenar una brecha es realmente una solución sostenible.

Hall siguió preguntando a McFarland cómo podría conceptualizar medidas que pudieran examinar la investigación interdisciplinaria y emergente a escala nacional. McFarland respondió que los objetos de


80

análisis de redes requieren con frecuencia redes más pequeñas. Algu-nas metodologías se pueden utilizar para redes más extensas, pero son exigentes desde el punto de vista computacional. Además, es posible “detectar comunidades” —descubrir grupos o clústeres cohesivos— dentro de grandes redes y luego realizar más procedimientos com-putacionales sobre los datos resultantes. McFarland está redactando actualmente un libro de texto para el análisis de redes sociales con el fin de abordar el análisis en diferentes escalas.

Hall le preguntó a Laursen si podía compartir alguna medida prometedora de interdisciplinariedad que NCSES podría utilizar para explorar la convergencia. Laursen señaló que su equipo extrajo 890 medidas únicas de 142 publicaciones investigadas. Laursen dijo que las medidas más prometedoras eran combinaciones o agregacio-nes de medidas cuantitativas y cualitativas porque unen un resultado contable (como datos bibliométricos) que mide los productos de con-vergencia y una medida cualitativa que ayuda a descomponer el pro-ceso de convergencia. Las medidas cualitativas generalmente no es-tán tan claramente definidas como la medida cuantitativa, pero hay disponibles docenas de preguntas críticas incisivas para investigar los aspectos del proceso de convergencia. Estas preguntas a menudo todavía tienen varias debilidades: casi siempre adoptan un formato de sí / no que es difícil de traducir en indicadores para la acción. También a menudo incorporan estándares implícitamente de una manera que oscurece lo que cuenta como una “buena” respuesta, y las publicaciones a menudo no explican cómo sintetizar las respues-tas a una lista de preguntas para derivar un juicio general coheren-te. Agregó que el método utilizado para agregar medidas puede ser incluso más importante que la propia medida porque está más cerca del juicio final de calidad. Los investigadores que usan una rúbrica para agregar medidas pueden sintetizar múltiples medidas cualitati-vas y cuantitativas de una manera clara. La coautora Nicole Motzer (SESYNC) agregó que el próximo trabajo del grupo incluirá un aná-lisis de grupos que investiga qué trabajos publicados avanzan más en su camino de evaluación. Ese análisis puede proporcionar orienta-ción para las medidas de convergencia. Laursen señaló que el grupo también planea publicar un subanálisis de las diferencias de escala.


81

Khargonekar le pidió a Rafols que describiera la distinción en-tre dirección y combinaciones de conocimiento. Rafols dijo que las combinaciones reúnen diferentes cuerpos de conocimiento de varias disciplinas, mientras que la dirección captura cómo estos tipos de conocimiento conducen hacia agendas de investigación específicas e influyen en los tipos de innovaciones que son posibles.

Se le preguntó a Schnell cómo su empresa, Clarivate, aborda la co-bertura y la desambiguación de las personas en el análisis bibliométri-co. Respondió que ambos son áreas de preocupación para Clarivate. La desambiguación se ha visto favorecida por los avances en las tec-nologías de aprendizaje automático y por ORCID, que crea un iden-tificador único para los autores, pero queda aún trabajo por hacer. Schnell señaló que la cobertura completa es imposible y, por lo tanto, reiteró la importancia de alinear las decisiones sobre investigación de la convergencia con un propósito específico. Los investigadores deben determinar qué tipo de literatura y áreas temáticas deben medirse y qué aspectos de la convergencia buscan comprender. Schnell también abordó las preocupaciones sobre el sesgo dentro de los datos biblio-métricos, señalando que se ha trabajado para comprender los posibles sesgos, reiterando que el análisis bibliométrico puede dejar vacíos que requieren diferentes dimensiones de medición para ser llenados.

Se preguntó tanto a Rafols como a Schnell sobre las perspectivas de proporcionar mapas interactivos y visualizaciones de datos que serían útiles para varias partes interesadas. Schnell afirmó que las herramientas interactivas podrían ayudar a los responsables de fór-mulas políticas y al público a comprender mejor varias cuestiones políticas. Advirtió que estas herramientas no siempre son compren-sibles para el público no especializado, por lo que podría ser bueno utilizar otros métodos para transmitir información sobre la conver-gencia o un portafolio de investigación. Rafols estuvo de acuerdo y señaló otras limitaciones en la cartografía interactiva. Solicitó apor-taciones de personas con experiencia en investigación cualitativa para ayudar en el desarrollo de procesos cualitativos para mejorar el uso productivo de herramientas cuantitativas interactivas.

Se preguntó a los dos ponentes sobre el uso de análisis biblio-métricos de convergencia para pronosticar tendencias o campos


82

emergentes. Schnell advirtió que el término “predicción” puede ser problemático, pero estuvo de acuerdo en que la bibliometría puede proporcionar alguna indicación sobre las tendencias y los campos emergentes. Por otro lado, señaló que los conjuntos de datos de los análisis bibliométricos se producen en un marco de tiempo retrasa-do (hay un desfase entre la finalización de un trabajo y su eventual publicación). Rafols enfatizó la necesidad de ser cauteloso al usar el término “predicción”. Sugirió que debido a que la convergencia siempre se mueve en la dirección de alguna agenda de investigación, los investigadores pueden usar herramientas interactivas para con-siderar “qué futuros queremos construir” en lugar de predecir qué futuro sucederá inevitablemente.

El moderador pidió a Rafols que profundizara en la pregunta que planteó el primer día del taller sobre el uso de redes y mapeo científi-co para medir la convergencia. Rafols explicó que está interesado en nuevos tipos de indicadores que consideren las distancias cognitivas entre las categorías mapeadas en los estudios de convergencia. La distancia es importante porque cuando las áreas temáticas están más lejos entre sí (sociología y bioquímica, por ejemplo), se vuelve cada vez más difícil para entenderse entre los investigadores involucrados.

Khargonekar preguntó a los dos presentadores si sería útil dis-tinguir entre trayectorias intencionales predefinidas o vectores de convergencia y trayectorias o vectores fortuitos o emergentes. Sch-nell respondió que se necesita más investigación para comprender el grado de dirección de la convergencia en la práctica, tanto en las subvenciones NSF como en la literatura científica. También enfatizó la importancia de asegurar que estas prácticas sean capturadas en los análisis bibliométricos. Rafols sugirió que las trayectorias inten-cionales y fortuitas no siempre existen en forma dicotómica. Presen-tó el ejemplo de la vacuna contra el virus del Zika, que se desarrolló casualmente sobre la base de investigaciones de áreas relacionadas como el dengue. El mapeo, sin embargo, permitiría al usuario an-ticipar las áreas desde las cuales tales conexiones fortuitas pueden realizarse con mayor facilidad, o es más probable que se realicen.

El último interrogador señaló que la orientación al problema es con frecuencia la motivación para la investigación de la convergencia


83

y preguntó si también es una condición necesaria. Desde la pers-pectiva de Clarivate, Schnell afirmó que la convergencia requiere un problema específico o convincente para ser su motor. Aunque la investigación no convergente puede estar orientada a problemas, la convergencia se distingue por combinar una integración profunda entre disciplinas con una orientación necesaria hacia la resolución de un problema específico o convincente. Rafols abordó la pregun-ta desde la otra dirección: señaló que la convergencia es una carac-terística muy deseable, si no necesaria, de una investigación sólida y orientada a problemas y sugirió que los enfoques excesivamente estrechos de la investigación orientada a problemas, son a menudo la falla responsable de un asesoramiento político de baja calidad, ya que pueden no tomar en consideración todos los aspectos relevantes.

84

8. Viabilidad e implementación

Varios destacados metodólogos de encuestas participaron en una discusión sobre la viabilidad y las consideraciones para implementar potencialmente una recopilación de datos a nivel nacional sobre la convergencia. Graham Kalton (Westat) centró sus comentarios en dos áreas de interés para el comité: (1) En relación con otros conceptos que podemos medir en el contexto de los indicadores de ciencia y tecnología existentes, y dentro del Centro Nacional de Estadísticas de Ciencia e Ingeniería (NCSES) de las encuestas e informes, ¿cuán valioso sería construir medidas de convergencia o investigación in-terdisciplinaria (IDR) a nivel nacional? ¿Deberían usarse estas me-didas además de las existentes o deberían reemplazar algunas de las medidas existentes? (2) ¿Qué pasa si cualquier tipo de preguntas sobre el surgimiento de la convergencia en investigación interdisci-plinaria (IDR) son de mayor valor para la nación y, en particular, qué preguntas brindan información válida y procesable?

Basándose en la discusión del taller hasta ese punto, Kalton observó

Viabilidad e implementación

85

que aunque los aspectos multidimensionales de la convergencia parecen ser esenciales, también crean desafíos reales con respecto a la medición en las encuestas existentes a gran escala. Sin embargo, si se pudieran identificar una o dos dimensiones que pudieran usarse para proporcionar indicadores imperfectos de convergencia, sería posible recopilar datos a escala nacional que podrían usarse para hacer avanzar el campo. Debido a que los recursos son limitados, Kalton sugirió que el Centro Nacional de Estadísticas de Educación (NCES) podría colaborar con otras agencias como NCES o la Oficina de Estadísticas Laborales. Hizo referencia a la presentación de Anderson sobre las encuestas de Investigación y Desarrollo Empresarial y Empresarial (BERD) e Investigación y Desarrollo de Educación Superior (HERD). También se le ocurrió a Kalton que otro vehículo de recolección de datos que podría ser susceptible de alguna modificación es la Encuesta de candidatos a doctorado (SDR), una encuesta de panel que podría aprovecharse para reco-pilar información longitudinal sobre la actividad en la investigación de convergencia entre los mismos. Kalton reconoció que primero se debe abordar la viabilidad de producir uno o dos indicadores. Se preguntó si había alguna prueba de que otro país haya aplicado con éxito este enfoque a nivel nacional.

Kalton expresó su preocupación por la calidad de la extracción de datos por parte de no especialistas para responder preguntas complejas que incorporan referencias cruzadas a definiciones extensas de términos. Se mostró escéptico de que los extractores de datos comprendan completamente las definiciones y luego busquen de manera confiable los datos, ya que cualquier falla al hacerlo socavaría la calidad de las respuestas. Kalton cree que la calidad de las respuestas de la encuesta a preguntas complejas sobre convergencia debe evaluarse cuidadosamente.

Si una o dos medidas relacionadas con la convergencia se identificaran como indicadores útiles de los desarrollos en este campo, esto plantearía preguntas sobre cómo podrían usarse para guiar las acciones de la National Science Foundation (NSF) y otros. Saber qué combinaciones de campos de especialización y en qué entornos es más probable que ocurra la convergencia sería valioso


86

para orientar los programas de investigación. Kalton, sin embargo, se mantuvo pesimista sobre la viabilidad de identificar una pequeña cantidad de preguntas o conceptos que podrían satisfacer las necesidades del NCSES en este momento. Si bien existe un alto inte-rés por la investigación convergente, surgen dificultades a la hora de aplicar el concepto a escala nacional.

Adoptando un enfoque arraigado en las tradiciones de las ciencias sociales clásicas, Nora Cate Schaeffer (Universidad de Wisconsin-Madison) comenzó sus comentarios preguntando cuáles son las preguntas de investigación que deben responderse, que es otra forma de preguntar cómo deben ser las medidas de convergencia y que es importante que capten esas medidas. Para NCSES, también significa ubicar la definición y medición de la convergencia dentro del contexto de la empresa de investigación. Siguió con una serie de otras pregun-tas que un científico social hace habitualmente ante un desafío de medición: ¿Cuál es el modelo causal subyacente del constructo? ¿Qué unidades están involucradas en el o en los procesos causales? ¿Qué características de esas unidades es importante medir, qué unidades se pueden usar para recopilar datos y son diferentes las unidades con las que se recopilan los datos y aquellas para las que se necesitan medi-ciones? En cuanto a los desafíos presentados en este taller, Schaeffer preguntó, ¿a qué unidad de análisis pertenece la convergencia, cuál es su definición conceptual y cuál es su definición operativa?

Para ayudar a explicar este enfoque de manera más sistemática, Schaeffer presentó un modelo conceptual tentativo de los procesos y actores sociales que generan convergencia (o no) (ver Figura 8-1, que muestra unidades en texto amarillo, con algunas características de esas unidades señaladas en cursiva). Este modelo describe la convergencia como una propiedad de los proyectos de investigación producidos por investigadores en los departamentos que se encuen-tran dentro de las instituciones a las que las agencias otorgan fondos, aunque para algunos propósitos, la convergencia puede conceptua-lizarse como propiedad de los equipos de investigación o de las sub-venciones. El diagrama pretende ilustrar algunas implicaciones de aclarar cómo se define la convergencia: ¿A qué unidad se debe adjun-tar la convergencia? ¿Es la convergencia propiedad de un proyecto?


87

¿Es propiedad de los objetivos del proyecto? Existen muchas posi-bilidades diferentes, y probablemente sea prematuro decidirse por una sola posibilidad. Agregó que la definición de convergencia y los procesos causales, sociales y científicos subyacentes a la convergencia pueden cambiar a medida que un campo evoluciona, envejece y se extiende por todo el mundo.

Schaeffer señaló que las agencias de financiación y sus convocatorias de solicitudes de fondos podrían crear incentivos para que las instituciones y los investigadores realicen investigaciones con-vergentes. Las instituciones son fundamentales para este esfuerzo porque proporcionan la infraestructura necesaria para realizar una investigación convergente y los incentivos para hacerlo. Los partici-pantes del taller escucharon discusiones absorbentes sobre las for-mas en que las universidades pueden fomentar el trabajo interdis-ciplinario o convergente, como hacer que la teneduría de libros y los sistemas contables se comuniquen sin problemas entre diferentes unidades. Estas instituciones son también las unidades de recopila-ción de datos para las encuestas del NCSES que cumplen funciones importantes en la medición de convergencia. Por lo tanto, puede ser problemático si la convergencia se define solo a nivel de proyectos,


88

artículos, descubrimientos o patentes, pero no se define a nivel ins-titucional o universitario, especialmente al pensar en las opciones disponibles para implementar una definición o una estrategia de medición. Schaeffer no ve un camino hacia una definición “unitaria” de convergencia que sea relevante para todos los objetivos de investi-gación o todas las unidades, pero tampoco considera necesaria una definición única. En cambio, ve la convergencia como un concepto con diferentes significados, diferentes unidades y actividad en dife-rentes momentos. Si la estrategia de medición sigue siendo flexible, la falta de una definición única de convergencia no es necesariamen-te un problema, siempre que los investigadores especifiquen qué de-finiciones conceptuales y operativas están utilizando.

Schaeffer mencionó tres conceptos de este tipo que están estrechamente relacionados con el concepto de convergencia pero son distintos: interdisciplinariedad, colaboración y síntesis. Si se ven como dimensiones de convergencia, y cada dimensión se mide por separado, los datos resultantes podrían ser fiables y flexibles, lo que podría facilitar el seguimiento de los cambios a lo largo del tiempo. Un concepto único de convergencia que sea amplio y vago no es necesariamente plausible o necesario. Si la convergencia es una propiedad de los proyectos, entonces medir la convergencia a nivel del proyecto puede ser razonable. Si, por ejemplo, los investigadores se centran en la interdisciplinariedad, que parece ser una dimensión de la convergencia, una definición operativa que utilice las designaciones departamentales estándar de los investigadores en un proyecto podría implementarse a nivel de proyectos. Las instituciones podrían recopilar la información reunida para los proyectos y agregarla para obtener medidas a nivel nacional. Tales medidas podrían ser más con-fiables que las medidas que piden a los investigadores que evalúen las cualidades convergentes de sus proyectos de investigación.

Planteó la posibilidad de medir la convergencia a nivel del otor-gamiento de subvenciones. Si las agencias de financiamiento pueden acordar una definición de convergencia y características de etiqueta-do de una subvención, entonces la recopilación y el análisis de datos a nivel de subvención debería ser factible y potencialmente confiable. Otra idea sería continuar la relación con las universidades y apoyarlas


89

en el desarrollo de una infraestructura que permita una implemen-tación más sencilla de las medidas de los conceptos críticos.

Andrew Zukerberg (Centro Nacional de Estadísticas de Educación) comenzó sus comentarios enfocándose en la tarea de operacionalizar la convergencia y su medición. Destacó el impacto de la convergencia y la medición de su impacto en la ciencia y los científicos. Preguntó si las investigaciones deberían tener un indicador que sirva como una frecuencia de referencia que pueda usarse como punto de referencia para las comparaciones o una medida del impacto de la convergencia. Un indicador podría enfocarse en la frecuencia de proyectos convergentes o el nivel de financiamiento dirigido a esfuerzos convergentes. Zukerberg señaló que el impacto se menciona con frecuencia y, por lo tanto, también debe definirse.

Zukerberg revisó las definiciones de convergencia, comenzando con la proporcionada por las Academias Nacionales en 2014.1 Des-tacó dos características principales dentro de esta definición: inte-gración profunda entre disciplinas e investigación impulsada por un problema específico y apremiante. Agregar un componente que aborde la mejora de la calidad de vida reflejaría adecuadamente los comentarios escuchados durante el taller. Estuvo de acuerdo con Kal-ton y Schaeffer sobre los desafíos de medir un indicador que carece de una definición estandarizada. Aún así, continuó, las caracterís-ticas unidimensionales son más fáciles de medir sin una definición estandarizada. Reconoció los problemas inherentes a proporcionar una definición dentro de un instrumento de encuesta. Incluso si se incluye una definición apropiada con el cuestionario, no se puede suponer que los encuestados leerán la definición completa y respon-derán de la manera deseada.

Zukerberg ofreció una solución al problema de la definición utilizando su investigación sobre el acoso (que se basa en datos de la Oficina de Estadísticas de la Justicia) como ejemplo. Cuando se pre-senta un concepto como el acoso o el acecho, los participantes tie-nen reacciones inmediatas. Si, en cambio, se presentan componentes

1 Consejo Nacional de Investigaciones. (2014). Convergencia: facilitar la integración trans-disciplinaria de las ciencias biológicas, las ciencias físicas, la ingeniería y más. Washington, DC: The National Academies Press.


90

individuales de un concepto más amplio, se puede construir una esca-la a partir de los componentes individuales en lugar de una definición estandarizada. Para el acoso, un conjunto estandarizado de conceptos individuales podría incluir respuestas a preguntas como: ¿Alguien lo excluyó intencionalmente? ¿Esa persona tenía más poder sobre ti? ¿El evento sucedió repetidamente? De manera similar, si no es posible una definición estandarizada de convergencia, la medición de conceptos estandarizados que componen aspectos de la convergencia como la capacidad de traducción, la diversidad en disciplinas y un problema específico o convincente podría ayudar. Aunque puede resultar engo-rroso dividir muchos conceptos diferentes en partes, los componentes individuales pueden usarse para construir una medida completa.

Zukerberg enfatizó la necesidad de considerar los costos de oportunidad al agregar una medida, lo que puede requerir la eliminación de otras preguntas de un estudio o reemplazar estudios completos. Se debe considerar si los datos proporcionados por las nuevas medidas son lo suficientemente valiosos como para justificar la eliminación de las escalas y medidas incluidas actualmente. Aún así, pueden surgir problemas al recuperar un conjunto de datos completo, particularmente para un aspecto que resulta de la investi-gación, debido a la complejidad de los constructos subyacentes. Para comprender las preguntas sobre un impacto a mayor escala o a largo plazo en los investigadores, el NCSES podría realizar un estudio lon-gitudinal o de panel (como la Encuesta de destinatarios de doctora-dos o SDR) con medidas basadas en sus prioridades.

Discusión

Después de los comentarios formales, Jolene Smyth planteó la pregunta de si los asistentes al taller piensan que podría ser posi-ble identificar una o dos dimensiones de convergencia con un nivel de acuerdo que justificaría el comienzo. Jason Owen-Smith respon-dió que se deben hacer esfuerzos para comenzar las investigaciones, incluso si no se ha establecido una estrategia perfecta. Él cree que debería haber una definición de trabajo emparejada con ejemplos


91

concretos y pruebas que podrían revisarse en un método iterativo, principalmente porque hay componentes empíricos. Holbrook estu-vo de acuerdo con Owen-Smith y afirmó que un experimento iterati-vo sería el mejor enfoque a tomar hasta que se alcance un consenso sobre una sola definición o los componentes más destacados. En su opinión, la falta de consenso no debería inhibir los esfuerzos. Se pue-de esperar que el progreso futuro se base en los esfuerzos iniciales, reaccione con agilidad e invierta el curso si es necesario.

Schaeffer preguntó qué unidad sería la más útil para medir la convergencia y si la respuesta que dan los investigadores y el NCSES a esta pregunta es diferente. Explicó que pensar en unidades simplificaría pensar en las dimensiones de un concepto.

Hall planteó el tema de la medición de los impactos sociales desde el primer día del taller. Agregó que las consideraciones de los impactos sociales deben llevarse a cabo en un nivel específico del problema: identificando el grado de integración y variación de los contribuyentes (por ejemplo, expertos, pacientes, partes interesadas de la comunidad) representados en una publicación o investigando informes pre-reglamentarios que influyen en la regulación de las po-líticas. Una investigación de informes que impactan en las políticas señalaría el impacto de la investigación en la sociedad en general.

Entwisle revisó la pregunta inicial de Kalton sobre por qué existe el deseo de saber más sobre la convergencia. Como reflejo de su inclinación por un enfoque tipo portafolio, Entwisle reconoció que las inversiones estratégicas en áreas de proyectos son necesarias y son un insumo para el portafolio de investigación. Menos claros son los resultados. Además, como otros han mencionado, existe interés en centrarse tanto en el impacto como en los productos. Agregó que debe haber una distinción clara entre las unidades de observación (por ejemplo, proyectos financiados, artículos publicados e investigadores) y unidades de análisis (por ejemplo, investigadores, instituciones y campos) porque esta distinción tendrá implicaciones considerables para los procedi-mientos de recolección de datos. Smyth agregó que la determinación de cuál será el tema más crítico a abordar es el desafío central.

Kalton compartió preocupaciones sobre el componente de impacto social de los ideales de convergencia. Por ejemplo, mencionó


92

la demora entre la realización de la investigación y la medición del impacto social. Además, le preocupaba la integración profunda. Para identificar una integración profunda, se necesitaría obtener información del director del proyecto o alguien en ese nivel. En su propio trabajo como investigador de encuestas y como bioestadístico, a menudo se ha involucrado en investigaciones multidisciplinares en las que un equipo de investigadores de diferentes disciplinas ha colaborado para realizar un proyecto de investigación. No clasificaría esta investigación en equipo como profundamente integrada simplemente porque incluye investigadores de múltiples disciplinas. Preguntó cómo se mediría la integración profunda y cómo excluir los muchos casos en los que los esfuerzos multidisciplinarios están estandarizados y no completamente integrados.

Kalton preguntó si y cómo se ha medido la interdisciplinariedad a nivel nacional en otros países. Hall señaló que en las próximas semanas se reuniría con un grupo de científicos del equivalente suizo de la NSF en un taller que abordaría problemas similares de definición y medición de la investigación convergente. Ella tiene la esperanza de que un esfuerzo internacional pueda permitir que los países involucrados se ayuden unos a otros y aprendan mutuamente.

Josh Schnell (Clarivate) había preguntado al grupo si determinar qué no es la convergencia podría ser más fácil que definir qué es la convergencia. Smyth reafirmó los hallazgos de la investigación de Michèle Lamont (Universidad de Harvard) de que la convergencia incluye dimensiones más allá de un estado cognitivo, como componentes emocionales e interactivos. También se incluyeron elementos de las declaraciones de Schaeffer, y Smyth recordó a los miembros la diferencia entre convergencia y colaboración. La determinación de la línea en la que la colaboración avanza hacia la convergencia podría convertirse en un indicador, pero es necesario abordar la superposición entre los dos para medir el avance con precisión.

Hall afirmó que existen diferentes grados de integración que permitirían hacer una distinción entre terminologías al medir la colaboración o la ciencia en equipo. Sus pensamientos se centraron en la conceptualización de la convergencia de NSF y los niveles de integración que podrían esperarse o incluirse en las consideraciones


93

de convergencia. Smyth agregó que puede haber formas poco convencionales de medir aspectos que antes no se realizaban como indicadores de convergencia y que informan un nivel de interactividad o colaboración que ocurre en los proyectos de investigación.

Schaeffer observó que la interdisciplinariedad puede ser menos válida para algunos de los propósitos de investigación para los que se utiliza actualmente el concepto de convergencia, pero podría ser más confiable porque las definiciones operativas podrían basarse en una infraestructura institucional existente y una colección conocida de disciplinas. o departamentos. Aunque la infraestructura proporcionada por un conjunto de disciplinas es imperfecta, es con-fiable, flexible y utilizable. Recordó a los asistentes que los campos emergentes podrían convertirse en escuelas y departamentos dentro de las universidades con relativa rapidez, como muestra la investiga-ción de Dan McFarland (Universidad de Stanford). El uso de discipli-nas como índice complementario podría ser útil para construir un concepto más amplio de convergencia, cuya definición completa y medición explícita elude actualmente a la comunidad investigadora.

Smyth compartió los comentarios hechos en el chat virtual donde los participantes preguntaron cuántos elementos se podrían incluir para su medición dentro de una encuesta. Zukerberg afirmó que la cantidad de insumos varía, particularmente en función del contexto en el que se utilizan. Supuso que cualquier medida de convergencia sería un componente de una encuesta más amplia, destacando la necesidad de equilibrar la complejidad de la encuesta. Añadió una pregunta sobre el aspecto de los resultados y el tamaño del proble-ma a resolver. Las consideraciones de salida afectarán la unidad de medida. Agregó que si una agencia de financiamiento está propor-cionando recursos, implica que el problema se ha considerado sufi-cientemente necesario y otros componentes deben ponderarse más.

Erin Leahey (Universidad de Arizona) mencionó las categorías de materias en la colección principal de la Web of Science (actual-mente hay más de 250 de ellas) y su uso potencial para promover la convergencia, particularmente a lo largo del tiempo. Según Leahey, la lista de categorías de materias cambia con bastante regularidad, incluso varias veces al año. Ya no existe una categoría única para la


94

psicología, por ejemplo: se ha dividido en múltiples tipos de psicolo-gía (evolutiva, clínica y social). Los cambios en las categorías de ma-terias de la Web of Science reflejan áreas que se fusionan, se excluyen o se agregan con el tiempo, y esto podría indicar la naturaleza de la actividad convergente. Smyth agregó que las categorías de área de estudio de NCSES para la pregunta de tesis son otra vía para exami-nar cómo han evolucionado con el tiempo.

Owen-Smith expresó su sorpresa de que la discusión del grupo parecía haber dejado rápidamente de medir la convergencia a través de la encuesta de una muestra utilizando una estructura de pregun-tas multifactorial. En su opinión, el grupo aún no está preparado para ese nivel de discusión. Preguntó al grupo si la convergencia podría identificarse a la vista pero no definirse explícitamente. Dada la falta de una definición completa y a la luz de los datos que no son de la encuesta presentados en el taller, cree que podría valer la pena identificar los proyectos que se considere que reflejan los esfuerzos de convergencia exitosos. Las nuevas investigaciones podrían seguir enfoques exitosos para trabajar hacia un conjunto de métricas con base empírica antes de desarrollar una definición formal para ser utilizada en una encuesta nacional. Smyth comentó que quizás nece-sitemos un enfoque convergente para estudiar la convergencia.

Hall respondió a los comentarios de Owen-Smith y reiteró que la distancia entre las disciplinas y el número de disciplinas involucradas son de vital importancia. Existe, por ejemplo, una gran diferencia entre un proyecto de investigación que integra la psicología social y del desarrollo con la psicología de la salud y un proyecto que involucra a un psicólogo social que trabaja con un físico. Las diferencias de perspectiva sobre lo que constituye la interdisciplinariedad dependerán de las orientaciones de los investigadores individuales y de las perspectivas intelectuales a las que estén acostumbrados dentro de sus propias disciplinas. Expertos que trabajan en disciplinas y estructuras organizativas que no tienden a colaborar ampliamente (por ejemplo, debido a la falta de recompensa, de reconocimiento de la colaboración interdisciplinaria a través de progresos en la ti-tularidad y promoción) es probable que enfrenten más barreras y tengan menos experiencia considerando cómo podrían aplicar sus


95

conocimientos a un problema más amplio o comunicar cómo los co-laboradores ajenos a su disciplina pueden integrar sus conocimien-tos especializados al abordar problemas comunes.

Smyth se basó en estos puntos para señalar que si se va a incluir una medida en una encuesta para que los humanos la respondan, es esencial recordar que la comprensión del tema por parte del encuestado influirá inevitablemente en la forma en que responden las preguntas presentadas. Ella animó al grupo a considerar cómo las personas pueden tener diferente compulsión de la investigación interdisciplinaria. Smyth señaló que puede ser prematuro conside-rar agregar medidas a una encuesta por muestreo porque podría tener consecuencias no deseadas.

96

9. Resumen de temas y pensamientos clave para hacer avanzar el trabajo

Entwisle invitó a cada uno de los miembros del comité directivo a compartir sus pensamientos sobre temas clave y formas de hacer avanzar los esfuerzos de medición de la convergencia. El comité di-rectivo formuló seis preguntas de debate e invitó a cada miembro a centrarse en las áreas que consideraban más destacadas:

• ¿Cuál sería el valor de construir medidas de convergencia a nivel nacional?

• ¿Qué ideas y estrategias valdría la pena seguir para impulsar el pensamiento sobre esta iniciativa?

• ¿Qué marco podría utilizar el Centro Nacional de Estadísticas de Ciencia e Ingeniería (NCSES) para medir la convergencia?

• ¿Qué definiciones y criterios consideraríamos apropiados y cuáles son sus limitaciones?

• ¿Qué tipos de productos NCSES serían más valiosos y para qué audiencias?

Resumen de temas y pensamientos clave para hacer avanzar el trabajo

97

• ¿Qué debería priorizar NCSES como parte de su trabajo en esta área?

Hall comenzó leyendo el texto de la misión de la National Science Foundation (NSF): “promover el progreso de la ciencia; promover la salud, la prosperidad y el bienestar nacionales; y para asegurar la defensa nacional y para otros propósitos.”1 Esta amplia misión cubre desafíos sociales y científicos complejos, que requieren niveles múlti-ples, multidimensionales, multifactoriales, y enfoques multidiscipli-narios que son similares al enfoque de convergencia. Hall describió el contexto evolutivo en el que se desarrolla la investigación, en el que los avances tecnológicos permiten analizar problemas de mayor complejidad, más variables y de una mayor variedad, así como mejo-rar la velocidad, escala y conveniencia de interrelaciones acciones y colaboraciones. Si bien los avances en la tecnología durante el siglo pasado han permitido el desarrollo de herramientas y plataformas para respaldar la comunicación asincrónica y sincrónica, la pande-mia COVID-19 ha creado un imperativo para establecer nuevas nor-mas de colaboración, incluida la mayor aceptación de las reuniones virtuales para realizar negocios.

Hall mencionó una serie de elementos que facilitan la investigación de convergencia intencional y basada en evidencia y destacó las consideraciones para evaluar la convergencia. Destacó los modelos conceptuales que los investigadores pueden utilizar para ayudar a discernir los elementos y enfatizó la necesidad de ir más allá de las métricas de publicación. Además de los modelos conceptuales a partir de los cuales los investigadores pueden extraer para ayudar a discernir los elementos, es importante establecer estructuras que permitan a las personas trabajar juntas en un equipo o sistema y diseñar y desarrollar procesos y plataformas para ayudar a los equipos a crear productos que alinearse con la visión y los objetivos del equipo o sistema. Una gran iniciativa de investigación típica en los Institutos Nacionales de Salud (NIH), por ejemplo, podría involucrar a un órgano de gobierno, equipos de investigación, grupos

1 De la Ley de la Fundación Nacional de Ciencias de 1950 (P.L. 81-507).


98

de trabajo y centros de datos, todos los cuales deben trabajar juntos para crear resultados exitosos. También distinguió la necesidad de una convergencia de alta calidad y los recursos necesarios para respaldar la capacidad de realizar, gestionar y apoyar la investigación de la convergencia en términos de investigadores para participar en la investigación, equipos para gestionar los procesos e instituciones con los incentivos adecuados. y expectativas.

Hall también consideró cómo se vería un portafolio de investigación a nivel nacional. ¿Cuánta convergencia se desea? ¿Qué combinación de enfoques más allá de la convergencia se podría considerar? ¿Cuáles son las dimensiones que crean diferentes variaciones o tipos de convergencia? ¿Cuáles son las implicaciones de estas variaciones? Se necesitan niveles anidados e interrelacionados de integración entre departamentos e instituciones, entre proyectos e iniciativas y dentro de los proyectos para respaldar la preparación para emprender proyectos interdisciplinarios y convergentes, y esto puede resultar auto reforzador. Las estructuras universitarias de apoyo, como los centros interdisciplinarios, pueden aumentar su probabilidad de impulsar proyectos más interdisciplinarios y convergentes cuando se diseñan para encarar dificultades (distri-bución de fondos indirectos, por ejemplo) y alentar a los facilitado-res (interacción entre disciplinas en torno a problemas comunes). Señaló perfiles de convergencia que se diferencian por número de miembros (2, 10, 100, este último posiblemente incluyendo equipos de equipos), número de disciplinas, la distancia entre disciplinas, el tipo de contribuyentes (académicos, profesionales, público y pa-cientes), y el grado de integración (multidisciplinar, interdisciplinar, transdisciplinar), que destaca la heterogeneidad de las colaboracio-nes de convergencia. Asimismo, identificó la necesidad de considerar variaciones en los tipos de enfoques de convergencia, como la inves-tigación que reúne conjuntos de datos existentes, que se podrían etiquetar como convergencia post facto. Ofreció otros ejemplos, in-cluida la convergencia in vivo (generación de ideas dinámica e inte-ractiva), la convergencia fundamental, la convergencia traslacional y la convergencia social e intelectual. Estas variaciones apuntan a la ne-cesidad de investigación y evaluación para capturar la profundidad


99

y amplitud de la convergencia y resaltan cómo no existe un enfoque único para apoyar la convergencia.

Las agencias de financiamiento pueden intervenir para ayudar a facilitar la realización de la investigación en equipo necesaria para llevar a cabo proyectos de ciencia convergente que no están sucediendo orgánicamente debido a las barreras existentes para la colaboración. Una de esas estrategias incluye la emisión de anuncios de oportunidades de financiación para ayudar a incentivar la participación de las instituciones. Al agregar criterios que requieren que los beneficiarios colaboren entre departamentos e instituciones, las agencias de financiamiento pueden crear un imperativo para los procesos institucionales a seguir. Paradójicamente y con pocas excepciones, las políticas actuales de nombramientos y promoción en las instituciones estadounidenses enfatizan la autonomía y la in-dependencia y no necesariamente recompensan o reconocen el tipo de interdependencia necesaria para el complejo tema de la conver-gencia. Se pueden utilizar métodos descriptivos y de diagnóstico ini-ciales para comprender qué permitirá la investigación convergente. Dadas las discusiones a lo largo del taller que sugieren que actual-mente no contamos con las herramientas de evaluación necesarias para lanzar de inmediato una breve encuesta nacional, Hall conclu-yó que en esta coyuntura, nuestra empresa científica puede necesitar reconocer si tienen un contexto que permite la investigación conver-gente para que pueda ocurrir cuando sea necesario.

Holbrook abordó el valor de construir una medida nacional de convergencia. Incluso si es posible hacerlo y podría hacerse bien, no califica automáticamente como una decisión sabia si hay consecuencias no deseadas. Podría terminar perjudicando a las personas, los campos de investigación, el personal de la fuerza laboral de investigación y las comunidades afectadas por la investigación. Holbrook instó a NCSES a ser muy claro y directo al declarar sus valores: qué está tratando de hacer, por qué, a quién se pretende ayudar y a quién está tratando de evitar dañar. Luego pasó a su segundo punto, que enfatizaba hacer el esfuerzo inicial: «intentar algo». Apoyó el uso de un enfoque experimental iterativo que ayuda a incorporar la retroalimentación y, en última instancia, alcanza los objetivos previstos sin dañar los campos


100

de investigación o las personas que no están directamente involucradas en la investigación, pero que son parte de las comunidades que se ven afectadas por ella. Aunque las consideraciones sobre el daño potencial son válidas, Holbrook favoreció la acción sobre el miedo a las consecuencias no deseadas.

Khargonekar comenzó a pensar en la convergencia poco después de unirse a la NSF como subdirector de la Dirección de Ingeniería, en Marzo de 2013, cargo que ocupó hasta junio de 2016. Observó que el taller condujo a una discusión más profunda y matizada sobre la convergencia. Khargonekar recordó a la audiencia sobre el informe de 2014 de las Academias Nacionales de Ciencias, Ingeniería y Medi-cina sobre la integración profunda de conocimientos, herramientas, técnicas y formas de pensar de múltiples disciplinas como un méto-do novedoso para producir nuevos conocimientos que son particu-larmente adecuados para resolver problemas complejos de interés social.2 Estuvo de acuerdo con Ben Jones (Northwestern University) en que existe una inmensa demanda de tal conocimiento, pero la de-manda encuentra un cuello de botella en el lado de la oferta, porque el número de combinaciones posibles es exponencialmente grande y el conocimiento a priori de lo que sería verdaderamente exitoso no está disponible. En consecuencia, se requieren inversiones de recur-sos extremadamente grandes. Al considerar la convergencia como un concepto y fenómeno multidimensional y multifacético, Khargo-nekar encontró muy convincente el marco ecológico propuesto por Dan Stokols (Universidad de California, Irvine). Dada esta visión ecológica, todas las partes interesadas tienen roles importantes en el modelo de convergencia de creación de conocimiento y sus ac-ciones podrían ayudar a facilitar el progreso en las mediciones de convergencia. Las ideas de los presentadores variaron desde el nivel de granularidad en el que se podrían realizar tales mediciones hasta varios tipos de etiquetado, etiquetado, y un ciclo de vida completo de la investigación, desde el intercambio de ideas hasta las propuestas, los proyectos, los productos y los impactos de la investigación.

2 Consejo Nacional de Investigaciones. (2014). Convergencia: facilitar la integración trans-disciplinaria de las ciencias biológicas, las ciencias físicas, la ingeniería y más. Washington, DC: The National Academies Press.


101

Khargonekar sostuvo que una sola medida de convergencia a nivel nacional no es probable ni útil. Sugirió buscar múltiples indicadores, mapas y otras representaciones de convergencia. Los aspectos cuan-titativos y cualitativos de la convergencia deben seguir siendo una prioridad. Ya existen herramientas en diversas etapas de desarrollo y madurez que tienen un gran potencial para mapear la convergencia. Estas herramientas deben seguir desarrollándose y ponerse a dispo-sición de la comunidad investigadora y otras partes interesadas. A medida que toda la comunidad de investigación se familiarice con estas herramientas, podrá utilizarlas para mejorar todos los aspectos de los procesos de investigación y mejorar la utilidad de las herra-mientas basadas en encuestas que utiliza NCSES.

Si se aceptaba un marco de resolución de problemas para la convergencia, entonces Khargonekar creía que sería lógico para las agencias impulsadas por misiones específicas, como la Agencia de Protección Ambiental, la Administración Nacional de Aeronáutica y del Espacio, la Administración Nacional Oceánica y Atmosférica, NIH, y los Departamentos de Defensa y Energía de EE. UU. y otros para asumir la responsabilidad y asignar recursos para abordar pro-blemas clave de interés social. Propuso que NSF asumiera un papel de liderazgo en el avance del uso de marcos de investigación de con-vergencia e instrumentos de medición en las agencias participantes. Como programa piloto, tal vez podrían identificarse algunas áreas problemáticas clave en las que estas herramientas podrían utilizarse para ver si arrojan nueva luz sobre las trayectorias de progreso.

Khargonekar consideró fundamental contar con mejores herramientas para medir la convergencia entre los graduados de doctorado. Un desafío clave es evaluar la convergencia dentro de una tesis doctoral que tiene como objetivo evaluar el trabajo de un individuo. ¿El grado de convergencia vendría determinado por las publicaciones que emergen de la disertación o potencialmente de la diversidad del comité de disertación? ¿Cómo se deben evaluar los componentes intelectuales, emocionales y sociales críticos para la investigación de la convergencia en relación con la preparación y formación de los graduados de doctorado? ¿Sería útil para NCSES trabajar con la División de Educación de Graduados de NSF en un


102

diálogo nacional sobre la preparación, capacitación y producción de tesis de los estudiantes de doctorado para obtener información sobre los indicadores? ¿Podría el NCSES asociarse con otras direcciones y divisiones de NSF que podrían estar interesadas en medir la convergencia entre sus programas de investigación e investigadores financiados? ¿Cómo podrían trabajar NSF y NCSES con la indus-tria en los estudiantes de licenciatura y los mapas de convergencia? ¿Podrían las mediciones y los mapas de convergencia ser útiles para las asociaciones público-privadas? Khargonekar instó a NCSES a que sus herramientas sean más omnipresentes en los informes y publica-ciones de NCSES, tanto impresos como en línea. Consideró que los mapas a nivel de portafolio son los más convincentes e interesantes.

Klein centró sus comentarios en dos temas: el valor de construir medidas a nivel nacional y una cuestión general de definición. Respecto al primer punto, observó que los presentadores repetidamente plantearon falta de claridad y precisión sobre cómo las instituciones y los diferentes investigadores utilizan múltiples connotaciones de convergencia, así como conceptos de multidisciplinariedad, transdisciplinariedad e interdisciplinariedad. Hizo hincapié en que la definición de cada término ya se basa en la literatura autorizada y, en consecuencia, ahora se pueden hacer esfuerzos para crear un lenguaje coherente en todas las instituciones. Estos esfuerzos conducirán al rigor en la forma en que abordamos la investigación integradora y colaborativa. Klein también destacó algunas advertencias planteadas durante el taller. Nora Cate Schaeffer (Universidad de Wisconsin-Madison) cuestionó, por ejemplo, si una definición única es necesaria y preguntó cómo podría superponerse con conceptos relevantes como la síntesis transdisciplinaria. Graham Kalton (Westat) advirtió que también debemos preguntar quién responde a las encuestas, ya que diferentes personas completan una encuesta en diferentes puntos.

Para abordar su segundo punto sobre la definición, Klein afirmó que le vinieron a la mente cinco palabras clave: propósito, enfoque, definición, unidad y métodos. Observó que los presentadores a lo largo del taller habían desafiado a los participantes a articular claramente el propósito de sus esfuerzos: ¿es el monitoreo o


103

evaluación, progreso o predicción, indicadores o impactos? ¿El ob-jetivo es crear una cultura de convergencia o crear un nuevo cam-po? En cuanto al enfoque: si se utiliza una orientación al problema, es necesario identificar a la audiencia y las partes interesadas. En cuanto a las definiciones: los participantes escucharon repetidamen-te que hay diferentes tipos, discutieron si también se necesita una medida más matizada y preguntaron si las disciplinas emergentes podrían tenerse en cuenta. Para la unidad de análisis: el nivel de granularidad refleja la relación entre simplicidad y complejidad. Los niveles pueden requerir diferentes disciplinas y criterios, o distinguir entre proyectos, metas y productos, o investigación versus política, o incluso investigadores versus comisiones. Por último, ¿qué opciones se tomarán sobre los métodos? Las opciones pueden reflejar un enfo-que multidimensional, una dependencia excesiva de los datos biblio-métricos, la direccionalidad de las medidas o un enfoque de cartera.

Klein también abordó la pregunta final del comité directivo, que preguntaba qué podría priorizar NCSES como parte de su traba-jo en convergencia. Reconoció que el comité no tenía la tarea de proporcionar recomendaciones formales, pero destacó las posibles prioridades que surgieron de los presentadores. Hizo referencia al pesimismo de Kalton sobre operar a escala nacional en este mo-mento, la sugerencia de Schaeffer de que la convergencia podría expandirse con el tiempo, la advertencia de Khargonekar sobre no adoptar un criterio, la advertencia de Owen-Smith con respecto a las limitaciones de la investigación de encuestas dadas las ambigüe-dades inherentes a las encuestas con sujetos humanos, las preocupa-ciones de Holbrook sobre el impacto que la estandarización podría tener en los enfoques de convergencia, y la sugerencia directa de Joseph DeSimone (Universidad de Stanford) de que se deben con-siderar las tendencias. Luego abordó la segunda pregunta sobre las ideas y estrategias que más vale la pena seguir, citando informes autorizados, informes técnicos y estudios piloto ejemplares consis-tentes con un modo experimental. Al considerar los posibles pro-ductos, Klein también señaló una diversidad de posibles productos que van desde encuestas hasta modelos de temas, entrevistas, mapas y visualizaciones de datos.


104

Owen-Smith comenzó sus comentarios postulando que la conver-gencia no es un sustantivo: no es algo que pueda existir o no existir o existir en algún grado. Es un verbo, un proceso que se desarrolla en múltiples niveles de análisis que él, como sociólogo, cree que están interrelacionados y se afectan causalmente entre sí. La convergencia ocurre en diferentes escalas de tiempo: una escala de tiempo muy mi-cro que involucra interacciones cara a cara entre diferentes personas que pueden o no sentir afinidades o frustraciones particulares, un plazo medio que se refiere a la duración de un proyecto y un plazo más largo. término que se relaciona con campos de la ciencia, institu-ciones y carreras. Owen-Smith animó al grupo a considerar cómo se podría desempacar el proceso con el tiempo. En la medida en que los investigadores imaginen una sola sección transversal de tiempo, tiene sentido referirse a la convergencia como un sustantivo.

Para aquellos interesados en poder intervenir, el tiempo y el or-den temporal son de gran interés para el proceso de convergencia. Tratando la convergencia como proceso destaca la necesidad de con-siderar quién necesita ser protegido y empoderado a medida que avanzan los esfuerzos. El reconocimiento, la identificación y la comu-nicación con las partes interesadas son fundamentales. Owen-Smith también destacó los dilemas inherentes a la convergencia, en parti-cular el posible compromiso entre la visibilidad del investigador y la productividad, lo que sugiere que podría haber consecuencias sobre todo para los académicos en las primeras etapas de su carrera y para aquellos menos conectados con el núcleo de su campo. La conver-gencia también crea una tensión entre el colectivo y el individuo de tal manera que tener un equipo diverso es ventajoso para la conver-gencia, pero ser la persona que hace que el equipo sea diverso e in-teresante puede ser una desventaja individual. Observó que la mayor parte del trabajo socioemocional y organizativo que se requiere de las colaboraciones interdisciplinarias tiende a recaer en los acadé-micos más jóvenes, particularmente en las mujeres. Otro dilema se relaciona con la destrucción creativa, que enfatiza la creación pero minimiza la destrucción. Este tipo de tensión también se refleja en la necesidad de una fuerte investigación disciplinaria y en cómo se apoyan tipos particulares de investigación convergente.


105

Al considerar el proceso de convergencia, Owen-Smith favoreció un enfoque de cartera. La captura de las características de conver-gencia a medida que evolucionan será importante para comprender si las actividades pueden considerarse convergentes con precisión. No veía ninguna razón, por ejemplo, por la que un proceso de inves-tigación convergente no pudiera producir una contribución discipli-naria. Añadió que para pensar en las características de una entidad en particular, necesitamos tanto estimaciones puntuales como distri-buciones. En ausencia de medidas interesantes basadas en encues-tas, recomendaría un enfoque iterativo que incluya múltiples proce-sos coordinados, concretos y comprometidos con la comunidad para capturar aspectos o medidas particulares en coordinación con los grupos de partes interesadas. Owen-Smith sostuvo que este enfoque podría ser particularmente eficaz para llegar a una medida bien de-finida y articulada, en particular con el aporte de un grupo de ex-pertos para ayudar a evitar los inconvenientes.

Smyth estuvo de acuerdo con la caracterización de la convergen-cia de Owen-Smith como un proceso que atraviesa el tiempo. Esta conceptualización tiene implicaciones importantes sobre cómo pen-samos sobre la medición de la convergencia en un momento deter-minado, en particular las partes del proceso que no estamos midien-do y donde los errores tienden a introducirse.

Las conversaciones sobre los centros de investigación de la interdis-ciplinariedad y la convergencia y sus niveles de financiación significan que ya se ha producido un nivel de progreso. Algún proceso debe haber unido a los investigadores, y los factores de inicialización de-ben haber llevado a que la convergencia ocurra en una escala diminu-ta. Smyth planteó algunas preguntas relacionadas: Primero, ¿en qué punto los individuos participantes entienden algo como convergente y pueden reportarlo como tal, en lugar de reportar menos investigacio-nes convergentes que pueden estar sucediendo porque no lo recono-cen? En segundo lugar, ¿los errores relacionados con el proceso y las medidas de convergencia varían entre las organizaciones?

¿Es más probable que algunas universidades pasen por alto la con-vergencia que otras en función de las métricas elegidas y el punto en el que esas métricas se vuelven importantes en el proceso?


106

Como metodólogo de encuestas, Smyth tiende a dividir los com-ponentes en fuentes de error donde los sesgos y la varianza afec-tan la medida. Preguntó cómo podríamos elegir una métrica que capture con precisión el proceso de convergencia. Smyth estuvo de acuerdo con los puntos de Andrew Zukerberg (Centro Nacional de Estadísticas Educativas) relacionados con el uso de definiciones y las dificultades que las acompañan. Es poco probable que colocar una definición más corta en una encuesta mientras se proporciona una definición más larga y más complicada detrás de un hipervínculo sea el mejor método para estandarizar este tipo de medición. Señaló que no todas las encuestas NCSES están basadas en la web: todavía exis-ten cuestionarios en papel. Es necesario reflexionar más sobre qué son los instrumentos de medición y cómo diferirán las estrategias según los distintos modos de encuesta.

Smyth regresó a su punto de partida con respecto a los costos de oportunidad. Hay muchas formas de realizar esta investigación, y cada aspecto no necesita ser cubierto por completo por NCSES: otras agen-cias, organizaciones y asociaciones podrían formar un enfoque de ciencia de equipo con NCSES para abordar una medición sólida. Un enfoque de este tipo podría maximizar los recursos de tiempo limita-do, así como las encuestas y los encuestados limitados, si los investiga-dores pueden reflexionar sobre la medición y todas sus prioridades.

Entwisle comenzó sus comentarios finales identificando tres com-ponentes en la definición de convergencia: (1) integración profunda de múltiples campos; (2) basarse en diversos puntos de vista y expe-riencias; y (3) resolver problemas «perversos». Dos de estos compo-nentes son parte de la definición de NSF y uno no lo es. Luego se dirigió a cada uno de ellos, por turno.

Con respecto al primer componente, Entwisle distinguió entre la integración profunda y los campos múltiples y los discutió por separa-do, comenzando con el último. En su opinión, el interés por la integra-ción de múltiples campos se deriva de una teoría del progreso basa-da en traspasar fronteras, donde las fronteras pueden ser disciplinas, departamentos, universidades y otras entidades, como naciones. En particular, deseaba llamar la atención sobre las naciones porque el ta-ller no incluyó una discusión extensa de la investigación internacional.


107

Señaló que diferentes ideas provienen de personas con diferentes ex-periencias, de diferentes lugares y diferentes puntos de vista.

Un desafío para la medición es que los límites mismos pueden cambiar. Cuando se introdujo la convergencia como objetivo de la investigación en 2010, los campos relevantes eran la ingeniería, las ciencias físicas y la biología. Desde entonces, la lista de campos re-levantes se ha expandido, la definición de los campos ha cambiado y los límites mismos están cambiando. Entwisle dijo que, por lo ge-neral, no queremos cambiar la medida si lo que queremos hacer es medir el cambio. Al plantear la pregunta de si esto era un problema, respondió: «tal vez, o tal vez ese sea el punto». Ella enfatizó que es im-portante comprender que el contexto de la investigación en sí mismo está cambiando. Intentar estandarizar la medición sin reconocer que se está produciendo un cambio puede ser contraproducente.

Entwisle luego se dirigió a algunas medidas específicas de cruce de límites. En su papel anterior como vicerrectora, desarrolló medidas de convergencia basadas en colaboraciones en investigaciones financiadas que involucraron a profesores de diferentes departamentos y de diferentes escuelas en la Universidad de Carolina del Norte en Chapel Hill. Estas métricas, basadas en la cantidad de los fondos involucrados en proyectos colaborativos, fueron relativamente simples de construir y rastrear. Sin embargo, las métricas que desarrolló eran específicas de la organización de su universidad y podrían verse bastante diferen-tes en otras instituciones académicas, como la Universidad Estatal de Arizona. Las medidas que utilizó Entwisle tampoco coincidían con la información solicitada actualmente en la encuesta de Investigación y Desarrollo de la Educación Superior (HERD), aunque vio la posibili-dad de diseñar preguntas adecuadas.

Entwisle sostuvo que el cruce de fronteras es una condición necesaria para la convergencia y relativamente fácil de medir. La integración profunda es mucho más difícil de definir y también es más difícil de lograr. Puede involucrar tanto los aspectos sociales y emocionales de la colaboración como los científicos. Dijo que la integración profunda es la diferencia entre los científicos que escriben capítulos para un libro que se graparán juntos frente a estar profundamente comprometidos en la creación de un producto completamente nuevo. Debido a las


108

complejidades, Entwisle expresó incertidumbre sobre qué tan bien se puede medir la integración profunda.

En opinión de Entwisle, el segundo componente de la convergencia es la diversidad. Actualmente, esto no forma parte de la definición de convergencia de NSF. Ella argumentó que el trabajo verdaderamente convergente requiere más que vincular disciplinas y unidades organizativas. También son importantes los diversos puntos de vista y experiencias. La Encuesta de Doctorados (DEG) es una fuente potencial de este tipo de información. El SDR recopila información personal que se puede vincular con comités de disertación, resúmenes de disertación, bases de datos bibliométricas y similares. De manera similar, las encuestas NCSES podrían vincularse con otros datos administrativos recopilados por otras agencias o unidades del gobierno federal.

Luego abordó el tercer componente de la convergencia: la orientación a problemas. Estuvo de acuerdo con otros en que la con-vergencia es necesaria para resolver los principales problemas socia-les, pero dijo que no estaba convencida de que resolver un problema social a gran escala deba ser un requisito para que el trabajo se consi-dere convergente. Se pregunta cómo se puede evaluar si resolver un problema social importante es la motivación para un proyecto de in-vestigación en particular, dado que los científicos que son buenos en su oficio también son buenos para explicar su investigación de esta manera. Luego reflexionó sobre el marco de tiempo: cuánto tiempo se tarda en mostrar el progreso en la resolución de un problema so-cial desafiante y cómo se determina el éxito.

Entwisle dijo que la pandemia de COVID-19 es un gran ejemplo de un problema social, aunque es un caso único porque gran parte del mundo está tratando de resolverlo. Muchos problemas sociales no recibirán ese nivel de atención y esfuerzos generalizados. Como ejemplo de investigación de convergencia que recibe menos atención, Entwisle mencionó un proyecto centrado en inundaciones por tormentas en la costa este de Carolina del Norte, que reúne a científicos de varios campos, incluida la ingeniería, la ecología, la geografía y diversas ciencias sociales para resolver un problema.

Entwisle argumentó que algunas investigaciones convergentes no se pueden aplicar inmediatamente a un problema. Añadió que para


109

que la aplicación sea un componente obligatorio de la investigación de la convergencia, entonces se necesita una reflexión adicional sobre las empresas y otras unidades no académicas y sus colaboraciones, así como la investigación traslacional. Esto no se discutió mucho en el taller.

Entwisle concluyó diciendo que si bien no tenemos todas las respuestas, esto no debería obstaculizar el progreso. NSF necesita información sobre la investigación de convergencia para administrar su propia cartera de investigación y también para asesorar sobre la cartera nacional.

En sus comentarios finales, Emilda Rivers expresó el interés de NCSES en permanecer conectado con la comunidad sobre los mejores enfoques para seguir adelante. Señaló que NCSES es una agencia federal de estadística con la misión de informar sobre la empresa de ciencia e ingeniería en un contexto frecuentemente global y recibe varias solicitudes de nuevas áreas y temas para medir. Este taller permitió a los participantes ver la amplitud de conocimientos que cubre NCSES de las comunidades científicas y de ingeniería nacionales e internacionales.

Rivers dijo que encontró ideas para aprovechar los registros administrativos para ayudar a los esfuerzos de NCSES especialmente interesantes debido a las preocupaciones asociadas con la carga de los encuestados planteada por la recopilación de datos de encuestas. Otra preocupación que resonó con Rivers es la necesidad de que las medidas tengan sentido para los encuestados. Alentó a los partici-pantes y asistentes como miembros de la comunidad de investigación a mantener y permanecer vigilantes sobre el estado de la convergen-cia y a seguir pensando en los aspectos que deberían ser estudiados y en las avenidas perspicaces que hagan avanzar el progreso.

110

Apéndice A

Agenda del Taller

Implicaciones de la Convergencia sobre cómo las estadísticas del Centro Nacional para la Ciencia y la Ingeniería miden la fuerza de trabajo de la Ciencia y la Ingeniería

Octubre 22-23, 2020.

Jueves, Octubre 22 a.m.

10:00 – 10:15 a.m Palabras de bienvenida y presentación del programa.Brian Harris-Kojetin, Director, Committee on Natio-nal Statistics. Barbara Entwisle, Steering Committee Chair, University of North Carolina at Chapel Hill

Apéndice A

111

10:15 - 10:30 a.m. El interés de la National Science Foundation en medir la convergencia.Arthur Lupia, Assistant Director, National Science Foundation Directorate for Social, Behavioral, and Economic Sciences

10:30 - 10:45 a.m. Los objetivos del National Center for Science and Engineering en este taller.Emilda Rivers, Director, National Center for Science and Engineering Satistics

10:45 - 11:10 a.m. Preparando el escenario: ¿Por qué es importante la convergencia?Joseph Desimone, Stanford University and Carbon Inc.

11:10 - 11:25 a.m. Descanso

11:25 a.m. -12:10 p.m.

Visión general de la recolección de datos, produc-tos, y previa actividad en esta área del NCSES.Gary Anderson, Senior Science Resource Analyst, National Center for Science and Engineering Statistics

12:10 - 1 p.m. Descanso

1:00 - 1:30 p.m. Definiciones de convergencia.Moderadora: Julie Thompson Klein, Wayne State University (emérita) and Transdisciplinarity Lab at ETH - ZURICH

1:30 - 2:50 p.m. Convergencia en la practica.Moderadores: Pramod Khargonekar, University of California, Irvine and James Britt Holbrook, New Jersey Institute of Technology Lora Weiss, Pennsylvania State UniversityPeter Schiffer, Yale UniversityDan Gallahan, National Cancer InstituteMaryann Feldman, University of North Carolina at Chapel Hill


112

2:50 - 3:00 p.m Descanso

3:00 - 4:00 p.m. Resultados e impactos de la convergenciaModeradores: Kara Hall, National Cancer Institute, 22 and Jason Owen-Smith, University of MichiganJulia Lane, New York UniversityErin Leahey, University of ArizonaBen Jones, Northwestern University

Viernes, Octubre 23

10:00 - 10:10 a.m. Bienvenida y revisión del programa del Dia 2.Barbara Entwisle, Steering Committee Chair, University of North Carolina at Chapel Hill

10:10 - 11:15 a.m. Esfuerzos de medición Moderadores: Jolene Smyth, University of Nebraska and Kara Hall, National Cancer InstituteBethany Laursen, Michigan State University (with Nicole Motzer, National Socio-Environmental Synthesis Center and Kelly Anderson, University of Maryland)Michèle Lamont, Harvard UniversityDaniel McFarland, Stanford University

11:15 - 11:30 a.m. Descanso

11:30 a.m. - 12:15 p.m.

Esfuerzos de medición (continua)Moderadores: James Britt Holbrook, New Jersey Institute of Technology, and Pramod Khargonekar, University of California, IrvineIsmael Rafols, University of Leiden, NetherlandsJoshua Schnell, Clarivate

12:15 - 1:15 p.m. Descanso

Apéndice A

113

1:15 - 2:15 p.m. Panel: Discusión sobre implementación y viabilidad.Moderadores: Jason Owen-Smith, University of Michigan and Jolene Smyth, University of NebraskaGraham Kalton, WestatNora Cate Schaeffer, University of Wisconsin–MadisonAndrew Zukerberg, National Center for Education Statistics

2:15 - 3:30 p.m. Resumen temas y pensamientos clave para hacer avanzar el trabajoLos miembros del Comité conductor reflejaran los puntos clave de este taller incluyendo:• ¿Cuál sera el valor de construir medidas del

nivel nacional de convergencia?• ¿Qué ideas y estrategias serían las más valiosas

para estimular el pensamiento avanzado en esta iniciativa?

• ¿Cuál es el marco que podría usar NCSES para medir convergencia?

• ¿Qué definiciones y criterios podrían ser considerados apropiados y cuáles son sus limitaciones?

• ¿Qué tipos de productos del NCSES serian más valiosos y para que audiencias?

• ¿Que deberia priorizar el NCSES como parte de su tarea en esta area?

Kara Hall, National Cancer InstituteJames Britt Holbrook, New Jersey Institute of TechnologyPramod P. Khargonekar, University of California, IrvineJulie Thompson Klein, Wayne State University (emerita) and Transdisciplinarity Lab at ETH-ZurichJason Owen-Smith, University of MichiganJolene Smyth, University of NebraskaBarbara Entwisle, University of North Carolina at Chapel Hill


114

Apéndice B

Resumen biográfico de los miembros del Comité directivo y de los expositores en el taller

Gary anderson es economista senior en el Programa de Estadísti-cas de Investigación y Desarrollo del Centro Nacional de Estadísticas de Ciencias e Ingeniería (NCSES) dentro de la Fundación Nacional de Ciencias (NSF). En NCSES, trabaja con datos de I + D e innovación empresarial. El Dr. Anderson trabaja extensamente con Business En-terprise Research and Development Survey, Annual Business Survey y, junto con un equipo de investigadores, lleva a cabo investigaciones sobre la medición de la innovación empresarial mediante el apren-dizaje automático y otras técnicas de ciencias de datos. Gran parte de su trabajo se centra en usos novedosos de microdatos empresaria-les y ha contribuido a los esfuerzos internacionales para explorar la

Apéndice B

115

estructura, distribución y concentración de la I + D empresarial.Antes de unirse a NCSES, Anderson fue economista senior en la

Oficina del Director del Instituto Nacional de Estándares y Tecnología (NIST). Anderson formulo y dirigió la planificación estratégica y el aná-lisis de impacto económico en estándares, infraestructura tecnológica y transferencia de tecnología. También se desempeñó como economista senior en el Programa de Tecnología Avanzada del NIST. Anderson tie-ne un doctorado en economía de la universidad de Maryland.

Joseph Desimone es Profesor Sanjiv Sam Gambhir de Medicina Traslacional e Ingeniería Química en el Departamento de Radio-logía, el Departamento de Ingeniería Química y la Escuela de Gra-duados de Negocios (por cortesía) en la Universidad de Stanford. Es cofundador y presidente de la junta de Carbon, una innovadora empresa de impresión 3D valorada en casi 2.500 millones de dólares. También es profesor eminente de química del canciller en la Uni-versidad de Carolina del Norte en Chapel Hill y William R. Kenan, Profesor Emérito Jr. Distinguido de Ingeniería Química en la Uni-versidad Estatal de Carolina del Norte. Realizó avances científicos en áreas como la química verde, los dispositivos médicos y la nanotec-nología. También cofundó varias empresas basadas en su investiga-ción. Es autor de más de 350 publicaciones científicas y un inventor reconocido en más de 200 patentes emitidas. En reconocimiento a su éxito empresarial en Carbon, el Dr. DeSimone fue reconocido re-cientemente como el ganador general nacional de EE. UU. Empren-dedor del año de EY 2019. Recibió la Medalla Nacional de Tecnolo-gía e Innovación del presidente Obama. Es una de las 25 personas elegidas para las tres Academias Nacionales de EE. UU. (Ciencias, Medicina e Ingeniería) y ex presidente del Comité de las Academias Nacionales sobre Áreas de Desafío Clave para la Convergencia y la Salud. El Dr. DeSimone tiene un doctorado en química del Instituto Politécnico de la Universidad Estatal de Virginia.

Barbara Entwisle (presidenta del comité directivo) es Profesora Dis-tinguida de Sociología de Kenan y miembro del Centro de Población de Carolina (CPC) de la Universidad de Carolina del Norte (UNC) en Chapel Hill. También ocupa puestos de profesor adjunto y de profesor afiliado en geografía y medio ambiente, energía y ecología. Antes de


116

esto, Entwisle se desempeñó como vicerrectora de investigación en la UNC en Chapel Hill y dirigió un programa de investigación en todo el campus con casi $ 1 billon en gastos de investigación anuales. La Dra. Entwisle también supervisó 10 oficinas de desarrollo, apoyo y cumplimiento de la investigación y administró 15 centros e institutos de investigación pan-universitarios, incluido el CPC. Sus esfuerzos de investigación se centran en dos áreas principales: las interacciones po-blación / medio ambiente y la migración y el curso de la vida. Entwisle tiene un doctorado en sociología de la Universidad de Brown.

Maryann Feldman es Profesora Distinguida Heninger en el Depar-tamento de Políticas Públicas de la Universidad de Carolina del Nor-te, profesora adjunta de finanzas en Kenan-Flagler Business School y directora de investigación en UNC Kenan Institute of Private Enter-prise. Entre 2014 y 2017, la Dra. Feldman ocupó un cargo en la Fun-dación Nacional de Ciencias como Director del Programa de Ciencia de la Ciencia y Política de Innovación (SciSIP) y presidió un grupo de trabajo interinstitucional sobre Política Científica. Sus intereses de in-vestigación y docencia se centran en las áreas de innovación, la comer-cialización de la investigación académica y los factores que promueven el cambio tecnológico y el crecimiento económico. En el año 2013 la Dra. Feldman fue ganadora del Premio Global de Investigación sobre Emprendimiento por sus contribuciones al estudio de la geografía de la innovación y el papel de la actividad empresarial en la formación de grupos industriales regionales. Actualmente, Feldman está investigan-do la génesis industrial en la región del Triángulo de Investigación. El proyecto sigue el desarrollo de la economía regional durante un pe-ríodo de 50 años utilizando una base de datos única de 3,200 empren-dimientos e intenta comprender la dinámica institucional que creó una economía regional vigorosa. Tiene un doctorado en economía y gestión de la Universidad Carnegie Mellon.

Dan Gallahan es el director de la División de Biología del Cáncer del Instituto Nacional del Cáncer (NCI) de los NIH. Estableció los esfuerzos de la división en biología de sistemas de cáncer, el último de los cuales es el Consorcio de Biología de Sistemas de Cáncer. An-tes de eso, también tuvo una carrera intramuros del NCI en el Labo-ratorio de Inmunología y Biología de Tumores. Su experiencia fuera

Apéndice B

117

del gobierno incluye ser director de biología molecular y desarrollo de una pequeña empresa de biotecnología. Es un biólogo molecular y del cáncer con experiencia en los campos del cáncer de mama, el desarrollo de tecnología y la administración de la ciencia. Su enfo-que principal es la integración de múltiples enfoques, herramientas y conjuntos de datos para comprender la complejidad del cáncer. Gallahan recibió su formación doctoral en biología molecular y bio-química de la Universidad de Maryland.

Kara Hall (miembro del comité directivo) es científica de la salud, directora de Science of Team Science (SciTS) y directora de progra-mas del Instituto Nacional del Cáncer. Ayudó A lanzar el campo de las SciTS a través de su liderazgo en la realización de estudios empíricos, el desarrollo de marcos conceptuales, la creación de estrategias y re-cursos basados en la evidencia, la edición de números especiales de revistas, la presidencia de las Conferencias Anuales de SciTS y el cargo de miembro fundador de la junta de International Network for the SciTS. La Dra. Hall ha liderado los esfuerzos para apoyar la ciencia en equipo en todas las agencias de financiamiento en los Estados Unidos e internacionalmente, como un subcomité inter-agencias sobre cola-boración y ciencia en equipo del Programa Federal de Investigación y Desarrollo de Redes y Tecnología de la Información en la Oficina Ejecutiva de la Oficina Nacional del Presidente. Consejo de Ciencia y Tecnología, en el que se desempeñó como copresidenta. Es editora co-laboradora del Libro Strategies for Team Science Success: Handbook of Evidence-Based Principles for Cross-Disciplinary Science and Prac-tical Lessons Learned from Health Researchers, que se ha descargado más de 32.000 veces. Durante su carrera, la Dra. Hall ha contribuido al avance de la investigación sobre el comportamiento de la salud, la ciencia de la implementación, los enfoques de la ciencia de los siste-mas y la investigación sobre el sueño y el cáncer. Recibió su doctorado en Psicología de la Universidad de Rhode Island.

Brian Harris-Kojetin es director del Comité de Estadísticas Na-cionales (CNSTAT). Se incorporó a CNSTAT como subdirector en 2015 de la Oficina de Gestión y Presupuesto (OMB), donde se des-empeñó como estadístico senior en la Oficina de Política Científica y Estadística. Presidió el Comité Federal de Metodología Estadística y


118

fue líder en OMB en cuestiones relacionadas con los estándares para las encuestas estadísticas, la falta de respuesta a las encuestas, incen-tivos para los encuestados y la Ley de Protección de la Información Confidencial y Eficiencia Estadística de 2002. Se desempeñó como oficial de escritorio de la Oficina de Estadísticas Laborales y los pro-gramas demográficos de la Oficina del Censo de los EE. UU. Antes de unirse a OMB en 2001, fue el líder de proyecto senior para están-dares y prácticas de investigación en Arbitron Company. También se desempeñó como psicólogo investigador en la Oficina de Investiga-ción de Métodos de Encuesta de la Oficina de Estadísticas Laborales.

Es miembro de la Asociación Estadounidense de Estadística (ASA). Harris-Kojetin tiene un doctorado en psicología social con especialización en estadística de la Universidad de Minnesota

James Britt Holbrook (miembro del comité directivo) es profesor asociado en el Departamento de Humanidades del Instituto de Tec-nología de Nueva Jersey. Holbrook ha ocupado cargos docentes en la Universidad de Emory, la Universidad Estatal de Georgia y Georgia Tech y anteriormente fue profesor asistente de investigación en el Departamento de Filosofía y Estudios Religiosos de la Universidad del Norte de Texas, donde también se desempeñó como director asistente del Centro de Estudios. de la interdisciplinariedad. Su do-cencia e investigación exploran el valor del conocimiento y su tra-bajo se centra en las instituciones del conocimiento (la universidad y las agencias de financiación de la ciencia y la tecnología, en parti-cular), la evaluación del conocimiento (que implica la inclusión de resultados académicos e impactos sociales más amplios). y el papel que los usuarios del conocimiento deben desempeñar para respon-der a la pregunta sobre el valor del conocimiento (yendo más allá de la coproducción de conocimiento para explorar la cuestión de quién debería ser considerado como un par). El Dr. Holbrook tiene un doc-torado en filosofía de la Universidad de Emory.

Benjamin Jones es Profesor de Emprendimiento de la Fundación Familia Gordon y Llura Gund, profesor de estrategia y director de la facultad de la Iniciativa de Emprendimiento e Innovación de Kellogg. Economista de formación, Jones estudia las fuentes del crecimiento económico en las economías avanzadas con énfasis en la innovación,

Apéndice B

119

el espíritu empresarial y el progreso científico. También estudia el de-sarrollo económico global, especialmente los roles de la educación, el clima y el liderazgo nacional para explicar la riqueza y la pobreza de las naciones. Su investigación ha aparecido en revistas como Science, Quar-terly Journal of Economics y American Economic Review. También ha aparecido en medios de comunicación como el Wall Street Journal, The Economist y The New Yorker. Ex becario de Rhodes, el Dr. Jones se des-empeñó en 2010-2011 como economista principal de macroeconomía para el Consejo de Asesores Económicos de la Casa Blanca y anterior-mente se desempeñó en el Departamento del Tesoro de EE. UU. Jones es miembro senior no residente de Brookings Institution, investigador asociado de la Oficina Nacional de Investigaciones Económicas y miem-bro del Consejo de Relaciones Exteriores. Tiene un doctorado en eco-nomía del Instituto de Tecnología de Massachusetts.

Graham Kalton es un miembro senior de estadística no residente y ex presidente de la junta directiva de Westat. También es profe-sor de investigación en el Programa Conjunto en Metodología de Encuestas de la Universidad de Maryland. Es un estadístico y meto-dólogo de encuestas de fama internacional que ha realizado inves-tigaciones sobre muchos aspectos de la metodología de encuestas y ha sido consultor en varios programas estadísticos federales. El Dr. Kalton es miembro de la Asociación Estadounidense de Estadísti-ca, miembro de la Asociación Estadounidense para el Avance de la Ciencia, miembro electo del Instituto Internacional de Estadística y asociado nacional de la Academia Nacional de Ciencias. Recibió la medalla Jerzy Neyman de la Asociación Polaca de Estadística, el premio Morris Hansen Lecture Award y el premio Waksberg. El Dr. Kalton se ha desempeñado como miembro y presidente de estadísti-cas del Comité Asesor de Métodos Estadísticos de Canadá. También se desempeñó como miembro del Comité de Estadísticas Nacionales de las Academias Nacionales, la Junta de Consejeros Científicos del Centro Nacional de Estadísticas de Salud y el Comité Asesor de Es-tadísticas Económicas Federales. Tiene un doctorado en estadísticas de encuestas de la Universidad de Southampton, Reino Unido.

Pramod P. Khargonekar (miembro del comité directivo) es Vi-cecanciller de Investigación y profesor distinguido de Ingeniería


120

Eléctrica y Ciencias de la Computación en la Universidad de Califor-nia, Irvine. Es un experto en control y teoría de sistemas, así como en aplicaciones a la manufactura, energías renovables e ingeniería biomédica. El Dr. Khargonekar está particularmente interesado en comprender y mejorar los procesos que conectan la investigación con la innovación. Se ha desempeñado en el profesorado de la Uni-versidad de Florida, la Universidad de Minnesota, la Universidad de Michigan y la Universidad de California en Irvine. En 2012-2013, se desempeñó como subdirector de tecnología en la Agencia de Proyec-tos de Investigación Avanzada del Departamento de Energía de EE. UU. (ARPA-E), y en 2013, la National Science Foundation (NSF) lo nombró subdirector de la Dirección de Ingeniería, cargo que ocupó hasta junio de 2016. En NSF, el Dr. Khargonekar promovió esfuer-zos para colaboraciones multidisciplinarias para abordar los grandes desafíos de la sociedad. También contribuyó a varias de las grandes ideas de NSF, así como a cuestiones de ciencia, tecnología, ingeniería y matemáticas en todos los niveles educativos, con énfasis en mejorar las oportunidades y los resultados para las mujeres y las minorías subrepresentadas en la ingeniería. Tiene un doctorado en ingeniería Eléctrica De La Universidad De Florida.

Julie Thompson Klein (miembro del comité directivo) es profe-sora de humanidades (emérita) en el Departamento de Inglés y ex miembro de la facultad de desarrollo interdisciplinario en la Divi-sión de Investigación de la Universidad Estatal de Wayne, así como investigadora internacional afiliada al Laboratorio Transdisciplina-rio de ETH- Instituto federal de tecnología de Zurich. La Dra Klein es presidenta anterior de estudios interdisciplinarios y editora de la revista AIS (Issues in Integrative Studies). Es autora de varios libros incluyendo Interdisciplinariedad: Historia, Teoría y Practica; Cros-sing Boundaries: Knowledge Disciplinarities and Interdisciplinari-ties; Humanities, Culture and interdisciplinarity: The changing ame-rican Academy; Interdisplining digital humanities. Está en vías de publicar un nuevo libro, Beyond Interdisciplinarity: Boundary, Com-munication and Collaboration. También es coeditora de varios libros entre los que incluye Interdisciplinaries today: Joint problem, solving among Science, Technology and society; y The Oxford handbook

Apéndice B

121

on interdisciplinarity. Además de ayudar a numerosos colegas y uni-versidades en el desarrollo de programas interdisciplinarios, la Dra. Klein fue miembro del primer grupo de tareas sobre estudios inter-disciplinarios de la Asociación de Colegios Americanos y Universida-des. Tiene un PHD en ingles de la Universidad de Oregón

Michèle Lamont es profesora de sociología y de estudios africa-nos y afroamericanos y profesora Robert I. Goldman de estudios eu-ropeos en la Universidad de Harvard. También es directora del Cen-tro Weatherhead para Asuntos Internacionales de la Universidad de Harvard. Socióloga cultural y comparativa, la Dra Lamont es autora o coautora de una docena de libros y volúmenes editados y más de 100 artículos y capítulos sobre una variedad de temas que incluyen cultura y desigualdad, racismo y estigma, academia y conocimiento, cambio social. y sociedades exitosas y métodos cualitativos. La Dra. Lamont ocupó el puesto la presidenta número 108 de la Asociación Estadounidense de Sociología en 2016–2017 y presidió el Consejo de Estudios Europeos (2006–2009). También recibió una beca John Si-mon Guggenheim de 1996, el premio de investigación Gutenberg de 2014 y el premio Erasmus de 2017 (por sus contribuciones a las cien-cias sociales en Europa y el resto del mundo). También ha recibido doctorados honoris causa de cinco países (Canadá, Francia, Países Bajos, Suecia y Reino Unido). Como becaria de Andrew Carnegie durante el período 2019-2021, pasó el período sabático de 2019-2020 en la Fundación Russell Sage. La Dra. Lamont tiene un doctorado en sociología de la Université de Paris.

Julia Lane es profesora de la Escuela de Graduados de Servicio Público Wagner de la Universidad de Nueva York (NYU) y del Centro de Ciencia Urbana y Progreso de la Universidad de Nueva York. Tam-bién es Miembro de alto rango de Análisis de Innovación en la NYU. Antes de esto, el Dr. Lane fue economista gerente senior e investi-gadora becaria en los Institutos Estadounidenses de Investigación. Ocupó cargos en la National Science Foundation, el Urban Institute, el Banco Mundial, la American University y la NORC en la Univer-sidad de Chicago. En estos puestos, el Dr. Lane ha liderado muchas iniciativas, incluida la cofundación del Instituto de Investigación e Innovación en Ciencias (IRIS) en la Universidad de Michigan y los


122

programas STAR METRICS en la Fundación Nacional de Ciencias. También inició y dirigió la creación y el establecimiento permanente del Programa Longitudinal de Dinámica de Empleadores y Hogares en la Oficina del Censo de EE. UU. El Dr. Lane ha publicado más de 80 artículos en las principales revistas de economía y es autor o edi-tor de 10 libros. Es miembro electo de la Asociación Estadounidense para el Avance de la Ciencia y del Instituto Internacional de Esta-dística, y miembro de la Asociación Estadounidense de Estadística. Recibió el premio Julius Shiskin 2014, el premio Roger Herriot 2014 y el premio Warren E. Miller 2017. Posee su doctorado en economía de la Universidad de Missouri.

Bethany Laursen es consultora principal en Laursen Evaluation & Design y decana asistente de la escuela de posgrado de la Uni-versidad Estatal de Michigan (MSU). Es una académica practicante de las ciencias de integración e implementación (I2S), una discipli-na emergente que mejora el impacto de la investigación en proble-mas socioambientales complejos. Después de ejercer como erudita y educadora ambiental interdisciplinaria durante 10 años, cambió de campo para estudiar y facilitar la interdisciplinariedad en sí. Sus especialidades son el razonamiento integrador y evaluativo y las he-rramientas que ayudan a involucrarse en dicho razonamiento de manera más efectiva. Basándose en su trabajo como educadora y fa-cilitadora experiencial, está expandiendo su trabajo hacia formas de conocimiento no cognitivas. La Dra. Laursen es miembro de Tool-box Dialogue Initiative, un proyecto de investigación y facilitación con sede en MSU que promueve la comunicación en equipos inter-disciplinarios mediante el diálogo filosófico. Tiene un doctorado en sostenibilidad comunitaria de la Universidad Estatal de Michigan.

Erin Leahey es profesora y directora de sociología en la Univer-sidad de Arizona. Sus principales intereses de investigación son la práctica científica, las carreras científicas y la innovación. También investiga la desigualdad en la ciencia y las carreras científicas, par-ticularmente en lo que respecta al género. Recientemente, ha reali-zado investigaciones de conocimiento que abarcan dominios (tanto subcampos como campos). Está desarrollando medidas del compro-miso de las universidades con la interdisciplinariedad y la evaluación

Apéndice B

123

de los factores impulsores de los niveles de compromiso y sus conse-cuencias para la producción de investigación científica y el prestigio universitario. También está examinando si grandes conjuntos de da-tos secundarios sirven como centros que ayudan a los académicos de múltiples disciplinas a fusionarse. La Dra. Leahey ganó un premio de Cambridge Scientific Abstracts por el uso creativo de sus datos para desarrollar medidas de dos constructos teóricos relevantes para las carreras científicas: el grado de especialización y la integración de subcampos. Tiene un doctorado en sociología de la Universidad de Carolina del Norte en Chapel Hill.

Arthur Lupia Lidera la Dirección de Ciencias Sociales, del Compor-tamiento y Económicas de la National Science Foundation. También es profesor universitario distinguido Gerald R. Ford y profesor colegiado de ciencia política Hal R. Varian en la Universidad de Michigan. Ha ocupado diversos puestos de liderazgo científico, incluido el de investi-gador principal de los Estudios Electorales Nacionales Estadounidenses y ha trabajado con muchos grupos para mejorar la toma de decisiones y la comunicación de hechos científicos. Ha formado parte de las jun-tas directivas de organizaciones dedicadas a aumentar el valor social de la investigación científica, incluido el Centro de Ciencias Abiertas, la Junta Asesora de las Academias Nacionales sobre Ciencias Sociales y del Comportamiento y la Educación, y Instituto de Liderazgo Leshner de la Asociación Estadounidense para el Avance de la Ciencia. Se ha desempeñado como presidente de la Sección de Ciencias Políticas, Eco-nómicas y Sociales de la AAAS, presidente de la Asociación de Ciencias Políticas del Medio Oeste y en una variedad de puestos de liderazgo en la Asociación Estadounidense de Ciencias Políticas, incluido el de tesorero y presidente del Grupo de Trabajo en Compromiso público. El Dr. Lupia recibió múltiples honores, incluido el Premio Ithiel de Sola Pool de la Asociación Estadounidense de Ciencias Políticas y el Premio de la Academia Nacional de Ciencias a las Iniciativas en Investigación. Es miembro electo de la Academia Estadounidense de Artes y Ciencias, miembro de la Asociación Estadounidense para el Avance de la Ciencia. También ha sido becario del Guggenheim y es uno de los becarios inau-gurales de Andrew Carnegie. Tiene un doctorado en ciencias sociales del Instituto de Tecnología de California.


124

Daniel Mcfarland es profesor de educación y, por cortesía, de so-ciología y comportamiento organizacional en la Graduate School of Business de la Universidad de Stanford. Estudia la dinámica social y organizacional de sistemas educativos como escuelas, aulas y univer-sidades. Realizó estudios sobre organización e interacción en el aula; la formación de relaciones, estructuras sociales e identidades ado-lescentes; colaboración interdisciplinaria e innovación intelectual; y sociología relacional. Sus amplios intereses de investigación dieron como resultado una variedad de colaboraciones interdisciplinarias con lingüistas e informáticos. Esto a su vez ha dado lugar a estudios de big data y avances metodológicos en redes sociales y modelado de lenguajes. Ha recibido el premio Gould de la Revista Estadounidense de Sociología (2013-2014) y el premio Friedrich Wilhelm Bessel de la Fundación Alexander von Humboldt (2014-2017). McFarland tiene un doctorado en sociología de la Universidad de Chicago.

Jason Owen-Smith (miembro del comité directivo) es profesor de investigación en el Centro de Investigación de Encuestas del Instituto de Investigación Social y profesor de sociología en la Universidad de Michigan. También es cofundador y director ejecutivo del Instituto de Investigación sobre Innovación y Ciencia, que recopila, administra y comparte datos para ayudar a comprender, explicar y eventualmente mejorar el valor público de las inversiones en investigación académica. El Dr. Owen-Smith trabaja en proyectos que examinan la dinámica de las industrias de alta tecnología, el valor público de la universidad de investigación y la organización en red de la atención quirúrgica. Bus-ca comprender cómo las organizaciones, instituciones y redes pueden mantener el status quo mientras generan novedad a través de transfor-maciones sociales, descubrimientos científicos y avances tecnológicos. Es autor del libro Las universidades de investigación y el bien público: descubrimiento para un futuro incierto. El Dr. Owen-Smith tiene un doctorado en sociología de la Universidad de Arizona.

Ismael Rafols es investigador senior en el Centro de Estudios de Ciencia y Tecnología (CWTS) de la Universidad de Leiden en los Países Bajos, y miembro asociado de la facultad en la Unidad de Investigación de Políticas Científicas de la Universidad de Sussex. También es miembro del Grupo de Estudios de Ciencia, Tecnología

Apéndice B

125

e Innovación. Antes de CWTS, trabajó en la Universidad de Sussex e INGENIO, un centro de investigación conjunto del Consejo Nacional de Investigaciones de España y la Universitat Politècnica de València. Entre los cargos académicos, ha trabajado en cooperación interna-cional en Oxfam y el Ayuntamiento de Barcelona. Actualmente tra-baja en políticas científicas, desarrollando enfoques novedosos para los indicadores de C&T y utilizando métodos mixtos para informar estrategias de evaluación, prospectiva e investigación. El Dr. Rafols ha estado involucrado en iniciativas sobre “métricas responsables” como el Manifiesto de Leiden, el Grupo de Expertos de la CE sobre Indicadores de Ciencia Abierta, que involucró discusiones sobre ses-gos en contra de la investigación en temas y regiones “periféricos”. Previamente, había desarrollado indicadores y métodos de mapeo para la evaluación de la investigación interdisciplinaria en campos emergentes como la biotecnología y la nanotecnología. Recibió un doctorado en biofísica de la Universidad de Tohoku en Japón.

Emilda Rivers es la directora del Centro Nacional de Estadísticas de Ciencias e Ingeniería (NCSES). Antes de su nombramiento como directora de NCSES, fue subdirectora del NCSES. Anteriormente di-rigió el área de programas más grande del centro, el Programa de Es-tadísticas de Recursos Humanos. Tiene una amplia experiencia en el servicio estadístico federal como estadística matemática trabajando en encuestas demográficas y de establecimiento, incluso en la Oficina del Censo de los EE. UU y la Administración de Información de Energía de los EE. UU. Durante estos años de servicio, a menudo ha utilizado su experiencia estadística y metodológica para diseñar e implementar proyectos que brindan datos que antes faltaban y que eran críticos para la toma de decisiones. En 2017, Forbes la nombró como una de las 25 mujeres líderes en datos y análisis en el gobierno de EE.UU. Tiene una maestría de la Universidad de Maryland, College Park.

Nora Cate Schaeffer es Profesora “Sewell Bascom” de Sociología (emérita) en la Universidad de Wisconsin – Madison. Fue directora de la facultad del Survey Center y vicerrectora adjunta interina de in-vestigación en ciencias sociales en la Universidad de Wisconsin-Ma-dison. También ha enseñado en el Instituto de Verano del Centro de Investigación de Encuestas de la Universidad de Michigan a través del


126

Programa Conjunto de la Universidad de Michigan y la Universidad de Maryland en Metodología de Encuestas. Su docencia e investiga-ción se centra en los métodos de investigación de encuestas, en par-ticular el diseño de instrumentos y la medición de encuestas y en la interacción en la entrevista de la encuesta. Schaeffer fue elegida para un mandato presidencial de 3 años (vicepresidente, presidente y ex-presidente) de la Asociación Estadounidense para la Investigación de la Opinión Pública a partir de mayo de 2018. Es miembro de la Asocia-ción Estadounidense de Estadística y miembro de la Asociación para la Investigación de la Opinión Pública del Medio Oeste. Ha formado parte de numerosos comités asesores y juntas que asesoran a las agen-cias federales sobre los métodos de recopilación de datos. Tiene un doctorado en sociología de la Universidad de Chicago.

Peter Schiffer es profesor “Frederick W. Beinecke” de Física Apli-cada en la Universidad de Yale y miembro principal de la Asocia-ción de Universidades Estadounidenses. También se desempeñó como vicerrector inaugural de investigación en la Universidad de Yale. El Dr. Schiffer es un líder internacional en física experimen-tal de materia condensada, especializado en el estudio de sistemas magnéticos. Antes de unirse a la Universidad de Yale, se desempeñó como vicerrector de investigación en la Universidad de Illinois en Urbana-Champaign y como vicepresidente asociado de investigación y director de iniciativas estratégicas en la Universidad Estatal de Pen-silvania. Realizó un trabajo postdoctoral en AT&T Bell Laboratories antes de iniciar su carrera docente en la Universidad de Notre Dame. Es miembro de la American Physical Society y ha recibido honores académicos que incluyen una beca de investigación Alfred P. Sloan, un premio Presidencial Early Career de la Army Research Office y el premio National Science Foundation Early Career Development. Tiene un doctorado en física de la Universidad de Stanford.

Joshua SchnelL es asesor senior del Instituto de Información Científica dentro del Grupo Web of Science de Clarivate Analytics, y asesora sobre planificación científica, evaluación de I + D y políti-ca científica y tecnológica. Antes de esto, supervisó un equipo res-ponsable de realizar evaluaciones de programas de investigación y programas de capacitación y desarrollar tecnología para la gestión

Apéndice B

127

científica basada en datos. Antes de unirse a ISI, dirigió el grupo de análisis en una startup de gestión científica, trabajó en administra-ción de investigación en la Universidad Northwestern y fue becario graduado en políticas de ciencia y tecnología en las Academias Na-cionales de Ciencias, Ingeniería y Medicina. Tiene un doctorado de la Northwestern University.

Jolene Smyth (miembro del comité directivo) es profesora aso-ciada y directora de la Oficina de Investigación Sociológica de la Universidad de Nebraska-Lincoln. Su investigación se centra en la metodología de la encuesta y el género. Smyth cree firmemente en la importancia de los datos de alta calidad para mejorar la ciencia y las políticas, y las preguntas de investigación metodológica que persigue están determinadas en gran medida por los cambios que se produ-cen en la industria de las encuestas que plantean cuestiones impor-tantes sobre la calidad de los datos. El trabajo reciente de Smyth se centra en mejorar las encuestas de ciencia e ingeniería de la National Science Foundation. Es coautora del libro Internet, Phone, Mail, and Mixed-Mode Surveys: the Tailored Design Method, y forma parte del consejo editorial de Public Opinion Quarterly. En 2017, fue co-bene-ficiaria del Premio al Innovador Warren J. Mitofsky de la Asociación Estadounidense para la Investigación de la Opinión Pública. Tiene un doctorado en sociología de la Universidad Estatal de Washington.

Daniel Stokols es profesor emérito del Rectorado en la Escuela de Ecología Social de la Universidad de California, Irvine (UCI). Se des-empeñó como Decano fundador de la Escuela de Ecología Social. Su investigación se centra en el estudio de las transacciones de las perso-nas con su entorno social y físico y abarca los campos de la ecología social, la psicología ambiental, la planificación urbana, la epidemiolo-gía y la salud pública. El Dr. Stokols también investiga la ciencia de la ciencia en equipo e investiga los factores que afectan el éxito colabo-rativo de los programas de investigación y capacitación transdiscipli-narios. Actualmente codirige el Laboratorio de aceleración de ciencia en equipo de la UCI. El Dr. Stokols recibió el premio a la carrera de la Environmental Design Research Association, el premio Lauds & Lau-rels Faculty Achievement de la UCI, el premio Newman-Proshansky Career de la División de Psicología Ambiental, de la Población y de


128

la Conservación de la Asociación Americana de Psicología, la Red In-ternacional para la Premio Science of Team Science Career Recogni-tion y el premio School of Social Ecology Founders. El Dr. Stokols se ha desempeñado como consultor de evaluación científica en equipo para el Instituto Nacional del Cáncer, la Iniciativa Keck Futures de las Academias Nacionales y como miembro del Comité de las Academias Nacionales de Ciencias, Ingeniería y Medicina sobre la Ciencia de la Ciencia en Equipo. Tiene un doctorado en psicología social de la Uni-versidad de Carolina del Norte en Chapel Hill.

Lora Weiss es la vicepresidenta sénior de investigación de la Uni-versidad Estatal de Pensilvania, donde supervisa el trabajo de investi-gación de once facultades académicas, siete institutos de investigación interdisciplinarios de toda la universidad, un centro de investigación afiliado a la universidad para el Departamento de Defensa y oficinas para patrocinadores. programas, protección de la investigación, aso-ciaciones industriales, transferencia de tecnología, innovación y co-mercialización. Antes de su puesto actual, la Dra. Weiss pasó 13 años en Georgia Tech, donde más recientemente fue directora interina del Georgia Tech Research Institute. También trabajó en el Laboratorio de Investigación Aplicada de Penn State. Su investigación se encuen-tra en las áreas de robótica y sistemas no tripulados. Formó parte de la junta asesora técnica del Consorcio Nación al de Tecnología Robótica y la junta ejecutiva de la División de Guerra Submarina de la Asocia-ción Industrial de Defensa Nacional, y apoyó la Fuerza de Tarea para fundar el Futuro Centro para la Nueva Seguridad Estadounidense. La Dra Weiss fue nombrada investigadora de Regents por el Sistema Universitario de Georgia. Recibió el premio AUVSI Foundation Award for Academic Champion, y el premio Women in Technology Woman of the Year de Georgia para empresas medianas, y una carta de elogio del Jefe del Grupo de Estudios Estratégicos de Operaciones Navales. Recibió su doctorado en acústica de Penn State.

Andrew Zukerberg es el jefe de la Subdivisión de Encuestas Trans-versales del Centro Nacional de Estadísticas Educativas (NCES) del Departamento de Educación de EE. UU. Antes de unirse a NCES, dirigió estudios de investigación cualitativos y cuantitativos en Ga-llup. También se desempeñó como jefe de sucursal en la Oficina del

Apéndice B

129

Censo de EE. UU., donde administró recopilaciones de datos a gran escala. Anteriormente, realizó investigaciones de desarrollo de pro-ductos en Microsoft, donde los métodos y resultados de uno de sus estudios se destacaron como una mejor práctica para toda la em-presa. A lo largo de su carrera, la investigación de Zukerberg se ha centrado en reducir los errores ajenos al muestreo en las encuestas y mejorar las tasas de respuesta. Tiene una maestría en metodología de encuestas del Programa Conjunto en Metodología de Encuestas de la Universidad de Maryland.

© Universidad de Palermo, Buenos Aires, República Argentina.

Continuando el libro Convergencia, Facilitando la integración transdisciplinaria de las ciencias de la vida, las ciencias físicas y la ingeniería, editado por el Consejo Nacional de Investigación de las Academias Nacionales de los Estados Unidos, publicado en esta colección en 2019, este volumen continúa el tratamiento de su temática introduciendo la problemática de su medición.

El paradigma de la convergencia “reúne intencionalmente a investigadores intelectualmente diversos para desarrollar formas efectivas de comunicarse entre disciplinas mediante la adopción de marcos comunes y un nuevo lenguaje cientí�co. El debate moderno registra una transición desde el uso de los términos “disciplinario”, “multidisciplinario” e “interdisciplina-rio” al término “convergencia”.

El conjunto de capítulos que reúne este volumen reconoce que la investigación, para ser exitosa requiere de prácticas que integren marcos conceptuales e instrumentos metodológicos diversos y muchas veces también disímiles. Es necesario un proceso institucional especí�co que apoye y desarrolle la investigación convergente para posibilitar esos encuentros entre investigadores y actores sociales que comparten visiones, aspiraciones y proyectan potenciales soluciones a las problemáticas sociales actuales.

MIDIENDO LA CONVERGENCIAEN LA CIENCIA Y LA INGENIERÍA

midiendo la convergencia en la ciencia y la ingenierÍa

Documents